农业机械学报

作者：王志强，于雪莹，杨晓婧，兰玉彬，金鑫宁，马景余

单位：山东理工大学,山东理工大学,山东理工大学,山东理工大学,山东理工大学,山东理工大学,

关键词：番茄叶片病害;深度学习;生成对抗网络;多尺度特征融合;注意力机制

基金：山东省引进顶尖人才“一事一议”专项经费项目（鲁政办字[2018]27号）

针对番茄病害识别模型参数量大、计算成本高、准确率低等问题，本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络（Multi?scale feature fusion and coordinate attention MobileNet, MCA-MobileNet）模型。采集10类番茄叶片图像，采用基于Wasserstein距离的生成对抗网络（Wasserstein generative adversarial networks, WGAN）进行数据增强，解决了样本数据不足和不均衡的问题，提高模型的泛化能力。在原始模型MobileNet-V2的基础上，引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取，提高模型对不同尺度的适应性；将轻量型的坐标注意力机制模块（Coordinate attention, CA）嵌入倒置残差结构中，使模型更加关注叶片中的病害特征，提高对病害种类的识别准确率。试验结果表明，MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%，较原始模型提高2.84个百分点，且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本，为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。

来源：2023年第5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5期