首页|基于改进ShuffleNet V2的荔枝叶片病虫害图像识别

基于改进ShuffleNet V2的荔枝叶片病虫害图像识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
[目的]探索及时、准确识别危害荔枝叶片病虫害的方法,做好防护和治理工作.[方法]以常见荔枝叶片病虫害图像为研究对象,针对荔枝病虫害图像的病斑分布区域广、面积大小不一等特点,对ShuffleNet V2模型进行相应改进.首先,采集荔枝5类叶片病虫害制作数据集,采用数据增强操作构建更加丰富的数据集;其次,在网络特征提取模块采用混合空洞卷积,避免传统卷积在下采样过程中造成图像分辨率降低及信息丢失;然后,通过嵌入轻量型通道注意力模块ECA(efficient channel attention),增进特征图之间相互依赖关系.此外,删减模型中不必要的层数和通道数,降低模型的参数量及运算量.[结果]研究所改进模型在5类荔枝病虫害图像(毛毡病、炭疽病、煤烟病、叶瘿蚊、藻斑病)中达到了99.04％的识别准确率,比原网络ShuffleNet V2高出2.55％.相较于经典网络AlexNet、ResNet-18、DenseNet和MobileNet V2等,改进模型不仅有着更高的识别准确率,并且改进后模型参数量仅为0.059×106,为原模型的4.92％,浮点运算量仅为0.183×109.[结论]研究结果适合部署在移动终端等嵌入式资源受限设备上,有助于实现对作物病虫害实时、准确地识别.
Image recognition of leaf pests and diseases based on improved Shuf-fleNet V2 in litchi

谢家兴、陈斌瀚、彭家骏、何培华、景庭威、孙道宗、高鹏、王卫星、郑代德、李君

展开 >

华南农业大学电子工程学院(人工智能学院),广州 510642

岭南现代农业科学与技术广东省实验室茂名分中心,广东茂名 525000

广东省农情信息监测工程技术研究中心,广州 510642

华南农业大学工程学院,广州 510642

展开 >

荔枝 叶斑症状 图像识别 ShuffleNet V2模型 模型参数

华南农业大学新农村发展研究院农业科技合作共建项目茂名实验室自主科研项目广东省现代农业产业技术体系创新团队建设专项岭南现代农业实验室科研项目广东省乡村振兴战略专项(农业科技能力提升)财政部和农业农村部:国家现代农业产业技术体系建设项目广东省科技创新战略专项资金("攀登计划"专项资金)项目广东省科技创新战略专项资金("攀登计划"专项资金)项目大学生创新创业训练计划项目

2021XNYNYKJHZGJ0322021ZZ0022022KJ108NT2021009TS-1-4CARS-32-14pdjh2021b0077pdjh2021b0077

2023

10.13925/j.cnki.gsxb.20220597

果树学报
中国农业科学院郑州果树研究所

果树学报

CSTPCDCSCD北大核心
影响因子：1.486
ISSN：1009-9980
年,卷(期)：2023.40(5)
  • 12