耦合全局与局部特征的苹果叶部病害识别模型

摘要：

为充分利用苹果叶部病害图像类间差异小且类内差异大的特点,该研究基于全局与局部特征的交互式耦合对特征提取方法进行了优化,设计出一种苹果叶部病害识别模型.首先,在全局特征提取分支设计了一个注意力融合模块,以融合通道和空间上的信息而增强卷积提取到的特征图,并由增强后的特征图生成全局特征以及注意力激活图;然后,在局部特征提取分支,利用注意力激活图的引导,设计了一个裁剪模块对原图像进行裁剪,以得到可能包含病害信息的图像块且嵌入生成局部特征;最后,通过设计多头交叉注意力特征耦合模块,实现全局特征和局部特征的双向交叉耦合.基于苹果病害图像数据集的试验结果表明,将全局与局部特征进行交互耦合能有效提升模型对苹果叶部病害图像的特征提取能力,其识别准确率可达到98.23％,且较之单纯的局部或全局特征提取分支,准确率分别提高了3.39与4.61个百分点,所提模型可用于实现自然场景下的苹果叶部病害自动识别.

关键词：计算机视觉、苹果叶、病害、图像识别、交叉注意力特征耦合、卷积神经网络

所属期刊栏目：38

分类号：TP391.4;S431.9(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省自然科学基金

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：207-214