农业机械学报

作者：马铁民，曲浩，高雅，王雪

单位：黑龙江八一农垦大学,黑龙江八一农垦大学,黑龙江八一农垦大学,黑龙江八一农垦大学,

关键词：玉米叶片;病害识别;超分辨率图像重建;生成对抗网络

基金：国家自然科学基金项目（52275246）、黑龙江八一农垦大学三横三纵支持计划项目(ZRCPY202018)和黑龙江八一农垦大学人才引进科研启动项目(XDB202115)

深度学习在玉米病害识别领域应用广泛并取得了较好的效果，但存在低分辨率条件下训练效果差的问题，本文提出一种基于超分辨率生成对抗网络的玉米病害分类识别模型。为了实现低分辨率玉米病斑图像到高分辨率图像的恢复，提出基于双注意力机制的增强型超分辨率生成对抗网络模型，该模型生成的高分辨率重建图像与其他超分辨率图像重建模型相比，峰值信噪比（Peak signal-to-noise ratio，PSNR）和结构相似性指数（Structural similarity index measure，SSIM）平均提升2.1dB和0.049；与4种不同的分类网络的结合，准确率均高于低分辨率图像，平均提升28.1个百分点。在模型对比及消融可视化实验中，模型识别玉米病斑准确率平均超出其它模型1.3个百分点，精确率达到97.8%。实验结果表明，双注意力机制的加入和损失函数的改变增加了模型对高频特征的恢复能力和稳健性，提高了玉米叶片病斑分类识别率，可为农作物定点监测或无人机田间监测中低分辨率叶片病害图像的精准识别提供参考。

来源：2024年第11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11期