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
