针对现有茶叶病害检测效率低、鲁棒性差等问题，本文提出了一种基于改进MobileNetV3的轻量化茶叶病害识别方法。选择轻量级的MobileNetV3卷积神经网络，并将注意力机制更新为ECA(efficient channel attention)模块以降低模型的参数量，使模型进一步轻量化。同时引入扩张卷积，增强卷积核提取特征信息的能力以提升模型准确率。最后采用PReLU(Parametric ReLU)激活函数替代ReLU激活函数来解决其训练时产生的神经元坏死现象，进一步提升模型准确率。实验结果表明，改进后的NewMobileNetV3网络模型在验证集上的准确率达到了98。73%，较原网络提升了1。08个百分点，且参数量仅为原始模型的2/3。该方法很好的平衡了识别准确率与模型复杂度，为轻量化的茶叶病害识别提供了新的技术参考。
万方数据
维普
