基于改进ShuffleNet v2的轻量化番茄叶片病害识别

扫码查看

原文链接

万方数据
维普

中文摘要：番茄大面积种植导致叶片部位被病虫害侵蚀面积不一、侵蚀种类多样化等问题,为了满足在资源有限的硬件设备上实现对番茄叶片病害准确识别,提出改进ShuffleNet v2模型.首先对基本单元进行改进,提出SA-stage模块,使模型密切关注叶片相关特征信息的同时减小了参数量和计算量;其次提出LFN轻量化特征融合模块,实现浅层和深层网络的上下文信息交互;接着引入RFB-s轻量化特征增强模块,增强小目标病害的特征提取;最后将SPD-Conv代替普通卷积和最大池化层,降低图像分辨率的同时保留了番茄叶片病害小目标的细粒度信息.试验结果表明,改进ShuffleNet v2模型在10种番茄叶片病害图像上进行测试,准确率和平均召回率分别达到了96.55％、96.40％,较原模型分别提高了4.44、3.70百分点;参数量和计算量分别为348 154、38.75 MB,较原模型分别减少3 888、3.88 MB.相比于其他分类模型AlexNet、ResNet50、MobileNet v3等,改进ShuffleNet v2模型不仅准确率最高、参数量和计算量最小,而且权重最小,仅为1.51 MB.该研究提出的改进ShuffleNet v2模型具备在资源有限的移动设备上部署的条件,满足实时、准确地识别番茄叶片病害.

作者：

李大华、仲婷、王笋、于晓

展开 >

作者单位：

天津理工大学电气工程与自动化学院/天津市复杂系统控制理论与应用重点实验室,天津 300384

天津同实智研科技有限公司,天津 300384

关键词：

番茄叶片病害病害识别轻量化参数量

基金：

国家自然科学基金天津市自然科学基金天津市教委科研项目天津市复杂系统控制理论与应用重点实验室开放基金天津理工大学教学基金

项目编号：

6150234018JCQNJC010002018KJ133TJKL-CATCS-201907YB20-05

出版年：

2024

DOI：

10.15889/j.issn.1002-1302.2024.03.033

江苏农业科学

江苏省农业科学院

江苏农业科学

CSTPCD北大核心

影响因子：0.732

ISSN：1002-1302

年,卷(期)：2024.52(3)

参考文献量21