农业机械学报

作者：张艳，车迅，汪芃，汪玉凤，胡根生

单位：安徽大学,安徽大学,安徽大学,安徽大学,安徽大学,

关键词：茶叶;病害分类;图神经网络;双节点;相对度量边;相似性边

基金：安徽省中央引导地方科技发展专项（202107d06020001）和国家自然科学基金项目（32372632）

传统茶叶病害分类主要依赖人工方法，此类方法费工费时，同时茶叶病害样本较少使得现有的机器学习方法的模型训练不充分，病害分类准确率不够高。针对茶炭疽病、茶黑煤病、茶饼病和茶白星病4类病害，提出一种基于双节点-双边图神经网络的茶叶病害分类方法。首先通过两分支卷积神经网络提取RGB茶叶病害特征和灰度茶叶病害特征，两分支均采用ResNet12作为骨干网络，参数独立不共享，两类特征作为图神经网络的两个子节点，以获得不同域样本所包含的病害信息；其次构建相对度量边和相似性边两类边，从而强化节点对相邻节点所含病害特征的聚合能力。最后，经过双节点特征和双边特征更新模块，实现双节点和双边交替更新，提高边特征对节点距离度量的准确性，从而实现训练样本较少条件下对茶叶病害的准确分类。本文方法和小样本学习方法进行了对比实验，结果表明，本文方法获得更高的准确率，在miniImageNet和PlantVillage数据集上5way-1shot的准确率分别达到69.30%和88.42%，5way-5shot准确率分别为82.48%和93.04%。同时在茶叶数据集TeaD-5上5way-1shot和5way-5shot准确率分别达到84.74%和86.34%。

来源：2024年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第3期