在复杂的背景环境下对农作物病害进行准确识别与分类,为农作物病害的诊断及防治提供可靠依据,具有重要经济意义.提出了一种新的网络模型 MeNet(multiscale enhance on me),用于对大田中黄瓜的8种形态(其中包含6种病害和鲜黄瓜、鲜叶)进行精准识别.该模型的设计包括适用于网络前端的特征增强模块,对原始图像进行像素级多尺度特征增强,从而提升模型的特征表达效率;运用特征挑选的思想进行后续的特征提取和增强,再加入基于空域抑制的SimAM注意力,进一步突出了显著特征,提高特征效用;运用逐点卷积对特征图进行通道间信息交互,再以全局平均池化总结特征图.结果表明,相较于其他模型,本研究的MeNet性能更为优越,在复杂背景病害数据集上,平均准确率达到92.38％,最高准确率达到了 92.92％,而模型的参数量仅为0.33 M,浮点运算量仅为0.30 G,证明MeNet模型在图像识别领域具有实际应用的潜力和继续研究的价值.
万方数据
维普
