10.16452/j.cnki.sdkjzk.2021.02.009
基于残差注意力网络的马铃薯叶部病害识别
马铃薯叶部病害严重制约着马铃薯的产量,为此提出了一种基于注意力和残差思想的深度卷积神经网络模型RANet.依据注意力机制,在RANet中构建并行池化的注意力模块,以增强网络的特征提取能力,并借助残差思想避免注意力模块造成的特征值衰减.以早疫病初期、早疫病晚期、晚疫病初期、晚疫病晚期和健康叶片的叶部图像为研究对象,RANet的平均识别率为93.86%,比ResNet50、VGG16、ShuffleNet和MobileNet高2.46% ~16.13%.通过对注意力模块参数量的控制,使该模型图像识别速度可达73 m s/张.
马铃薯、叶部病害、注意力、残差、卷积神经网络
40
S435.32;TP391.41(病虫害及其防治)
国家自然科学基金项目;山东省研究生教育联合培养基地和山东省研究生教育创新计划项目
2021-04-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
76-83