农业机械学报

作者：王美华，吴振鑫，周祖光

单位：华南农业大学,暨南大学,华南农业大学,

关键词：农作物病虫害; 细粒度识别; 混合注意力; 并行连接; 迁移学习

基金：国家自然科学基金项目(61370102、61976052)和广东省基础与应用基础研究基金项目(2019B1515210009)

预防和控制农作物病虫害是保证作物产量的重要措施。为了提高病虫害识别模型的准确率，对注意力CBAM模块进行改进，提出一种新的混合注意力模块I_CBAM。通过通道注意力与空间注意力的并行连接，解决了串行连接两种注意力产生干扰的问题。添加了I_CBAM模块的InRes-v2、MobileNet-v2、LeNet、AlexNet、改进AlexNet模型的Top-1(61类)准确率分别达到了86.98%、86.50%、80.97%、84.47%和84.96%，比原模型分别提高了0.51、0.62、1.74、0.53、0.55个百分点。研究表明，提出的并行混合注意力模块I_CBAM在病虫害细粒度分类上具有更优的识别效果，且在不同卷积神经网络模型之间拥有良好的泛化性。将I_CBAM中通道注意力压缩比调整为32，使添加了I_CBAM的MobileNet-v2迁移学习模型的内存缩小至28.3?MB，预测一幅图像平均用时仅为7.19?ms，大大提高了预测响应速度。将该模型部署到移动端小程序上，结果表明，添加了I_CBAM模块的模型具有良好的可视化应用效果。

来源：2021年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第4期