摘要
在玉米生长过程中,病虫害对玉米的产量和质量均有较大的影响,因而有效地预防与治理玉米病虫害对玉米产业甚至粮食安全具有十分重要的现实意义.玉米病虫害的精准识别是实现病虫害预防与治理的有效手段.然而,目前玉米病虫害识别通常采用基于专家经验的人工识别方式,具有主观性强、精确度不稳定的缺点.为了解决这个问题,本研究提出一种基于改进神经网络算法的玉米病虫害识别模型LSE-ResNet50.首先,通过在每个残差模块中引入SE注意力机制,通过对每个残差模块中的特征图进行加权处理,来提高模型的特征提取能力,进而加快其收敛速度;然后,通过在损失函数中引入标签平滑机制,对真实标签进行一定的平滑处理防止模型过拟合,来进一步提升原模型的泛化能力.为了验证本研究模型的有效性,在玉米病虫害数据集上与其他5种经典方法进行了对比试验.结果表明,与其他经典模型相比,本研究提出的改进模型LSE-ResNet50的收敛速度更快,识别准确率比原ResNet50模型提升了 2.3百分点.LSE-ResNet50模型在识别效率和精确度方面均取得了较好的性能,因而是一种有效的玉米病虫害识别模型.
基金项目
山东省重大科技创新工程项目(2019JZZY010706)
山东省自然科学基金面上项目(ZR2023MF098)
维普
万方数据