基于分层特征交叉注意力的小样本马铃薯病害叶片识别

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：为了及时、准确地识别马铃薯叶片病害,有效预防马铃薯早期病变并提高马铃薯的产量和质量,针对传统马铃薯病害叶片识别方法过度依赖标注样本和特征利用不充分的问题,提出一种基于分层特征交叉注意力的小样本马铃薯病害叶片识别方法.首先,利用VGG-16网络的不同编码块,将支持分支和查询分支的马铃薯叶片映射到深度特征空间,并按照不同块的输出构造分层特征集;其次,设计一种交叉注意力网络,实现双分支网络分层特征之间的信息交互,强化特征的表达;最后,利用掩码平均池化获得交互特征的全局信息,并借助无参数的度量学习指导未知马铃薯病害叶片类型的识别.通过在Al Challenger 2018开源数据集、自建小样本马铃薯数据集上进行测试,所提出模型分别可以实现0.973、0.951的识别精度,优于当前主流的马铃薯病害叶片识别模型,具有较好的实际应用价值.

作者：

李坤、刘婧、齐赫

展开 >

作者单位：

海口经济学院网络学院,海南海口 571132

之江实验室,浙江杭州 311000

关键词：

马铃薯病害叶片识别小样本学习分层特征交叉注意力网络

基金：

海南省自然科学基金浙江省博士后科研项目

项目编号：

619QN246ZJ2021028

出版年：

2024

DOI：

10.15889/j.issn.1002-1302.2024.10.029

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(10)