基于残差注意力网络的马铃薯叶部病害识别

摘要：

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.

关键词：马铃薯、叶部病害、注意力、残差、卷积神经网络

所属期刊栏目：40

分类号：S435.32;TP391.41(病虫害及其防治)

资助基金：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

在线出版日期：2021-04-27（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：76-83