基于改进ShuffleNetV2模型的荔枝病虫害识别方法

摘要：

为更好地助力荔枝病虫害防治工作,推进荔枝产业健康发展,本文以所收集的荔枝病虫害图像数据集为研究对象,基于轻量型卷积神经网络ShuffleNetV2模型,提出一个高精度、稳定且适用于荔枝病虫害的识别模型SHTNet.首先,在ShuffleNetV2模型中引入注意力机制SimAM,不额外增加网络参数的同时,增强重要特征的有效提取,强化荔枝病虫害特征并抑制背景特征.其次,在保证模型识别精度的同时,采用激活函数Hardswish减少网络模型参数量,使网络更加轻量化.最后,在改进模型上采用迁移学习方法,将源数据(Mini-ImageNet数据集)学习到的知识迁移到目标数据(数据增强后的荔枝病虫害图像数据集),增强模型识别不同的荔枝病虫害种类的适应性.实验结果表明,与原始ShuffleNetV2模型相比,本文提出的荔枝病虫害识别模型SHTNet的准确率达到84.9％,提高8.8个百分点;精确率达到78.1％,提高9个百分点;召回率达到73.2％,提高8.8个百分点;F1值达到75.8％,提高10.2个百分点;且综合性能明显优于ResNet34、ResNeXt50和MobileNetV3-large模型.本文提出的荔枝病虫害识别模型具有较高的识别精度和较强的泛化能力,为荔枝病虫害实时在线识别奠定了技术基础.

关键词：荔枝、病虫害、识别、ShuffleNetV2、注意力机制、迁移学习

所属期刊栏目：53

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;广州市基础研究计划;广州市科技计划项目;广州市基础研究计划基础与应用基础研究项目

在线出版日期：2023-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：290-300