农业机械学报

作者：吴叶兰，管慧宁，廉小亲，于重重，廖禺

单位：北京工商大学,北京工商大学,北京工商大学,北京工商大学,江西省农业科学院,

关键词：柑橘病叶;高光谱成像;深度学习;注意力机制;特征提取

基金：国家重点研发计划项目（2018YFC0807903）

为实现对柑橘叶片病虫药害种类的快速精准识别，针对多种类柑橘病叶设计一种融合注意力机制（Attention mechanism）的双向门控循环单元-循环神经网络（Attention-bidirectional gate recurrent unit-recurrent nural network，Att-BiGRU-RNN）分类模型。该模型在编解码模块分别采用BiGRU和RNN结构，能够利用高光谱数据前后波段光谱信息的关联性，有效提取光谱信息的深层特征；根据不同波段光谱信息的差异性引入注意力机制动态分配权重信息，提高重要光谱特征对分类模型的贡献率，提升模型的分类准确率。获取6类柑橘叶片高光谱信息，构建实验样本集，利用Att-BiGRU-RNN、VGG16、SVM和XGBoost分别建立柑橘病叶分类模型，Att-BiGRU-RNN模型总体分类准确率（Overall accuracy，OA）平均可达98.21%，相较于其他3种模型分别提高4.71、10.95、3.89个百分点，对光谱曲线重合度高的除草剂危害和煤烟病叶片的分类准确率有显著提升。实验结果表明，深度学习方法可有效利用高光谱不同波段间的关联信息，识别准确率较机器学习方法有大幅提高，为柑橘病虫药害快速无损检测和防治提供了一种新方法。

来源：2023年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第1期