农业机械学报

作者：田甜，程志友，鞠薇，张帅

单位：安徽大学,安徽大学,安徽大学,安徽大学,

关键词：茶叶病害;图像分类;小样本;迁移学习;ConvNeXt

基金：国家自然科学基金项目(61672032)

为实现茶叶病害精准分类，针对茶叶病害图像分类中小样本问题及类别分布不均的问题，提出了一种基于迁移学习的SimAM-ConvNeXt-FL模型的病害图像分类方法。首先在ConvNeXt模型中加入SimAM模块，以加强复杂特征的提取。其次针对样本分布不均问题，将Focal Loss函数作为训练过程中的损失函数，通过增加数量较少样本的权重来减小样本分布不均的影响。最后使用SimAM-ConvNeXt-FL模型对Plant Village数据集训练，将训练得到的参数迁移到实测的茶叶病害图像上并进行微调，减少过拟合带来的影响，设置消融实验证明模型改进的有效性，并与不同分类模型（AlexNet、VGG16、ResNet34模型）分别进行对比实验。实验结果表明，SimAM-ConvNeXt-FL模型识别效果最佳，准确率达96.48%， SimAM-ConvNeXt-FL模型较原ConvNeXt模型在茶煤病、茶藻斑病、茶炭疽病、健康叶片和茶白星病的F1值分别提高4.46、3.76、0.43、0.22、5.23个百分点。结果表明本文提出的模型具有较高的分类准确率与较强的泛化性，可推进茶叶病害分类工作发展。

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