摘要
为探索及时、准确识别危害棉花叶片病虫害的方法,做好防护和治理工作.针对自然环境下棉花叶片图像受复杂背景影响导致分类精度降低以及模型参数量大使其不便于移动端部署的问题,提出了一种基于知识蒸馏的棉花病虫害识别模型ESSKNet.首先构建了包含8种类别的棉花病虫害图像数据集,其次通过在ShuffleNet v2模型引入SK-Attention自适应调整卷积核的大小关注棉花叶片不同尺寸大小的病斑信息并降低棉花病虫害图像复杂背景对模型的影响,将卷积核大小从3×3调整为5×5使神经网络更好地捕捉图像中的上下文信息和长程依赖关系.然后选取EfficientNet v2模型作为教师模型,ESSKNet模型作为学生模型,使用MGD方法进行知识蒸馏.试验结果表明,改进后的模型对棉花病虫害的识别准确率达96.06％,并且该模型参数量仅有EfficientNet v2的6.6％.该模型能有效识别棉花病虫害且更便于部署在移动设备上,以实现对棉花病虫害图像实时、精确地识别.
维普
万方数据