首页|基于非对称混洗卷积神经网络的苹果叶部病害分割

基于非对称混洗卷积神经网络的苹果叶部病害分割

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对苹果叶部病害由于数据集类间样本不均衡和拍摄角度、光照变化等实际成像与环境因素造成的精度低和泛化能力差的问题,本文提出了一种新型的非对称混洗卷积神经网络ASNet.首先,通过在ResNeXt骨干网络中添加改进的scSE注意力机制模块增强网络提取的特征;其次,针对多数叶片病害特征分布相对分散的问题,使用非对称混洗卷积模块代替原始的残差模块来扩大卷积核的感受野和增强特征提取能力,从而提升模型的分割精度和泛化能力;最后,在非对称混洗卷积模块中使用通道压缩和通道混洗的方式弥补了分组卷积造成的通道间关联性不足的缺陷,降低了由于叶部病害类间不均衡导致的传统网络模型精度偏低的问题.在COCO数据集评价指标下,实验结果表明,相比于骨干网络为ResNeXt-50 的原始 Mask R-CNN模型,本文模型的平均分割精度达到96. 8% ,提升了5. 2个百分点,模型权重文件减小为321 MB,减小了170 MB.对实地采集和AI Challanger农作物病害分割挑战赛的240幅苹果叶片图像进行测试,结果表明,本文模型ASNet对苹果黑腐病、锈病与黑星病3种病害和健康叶片的平均分割精度达到94. 7% .
High Precision Identification of Apple Leaf Diseases Based on Asymmetric Shuffle Convolution

何自芬、黄俊璇、刘强、张印辉

展开 >

昆明理工大学机电工程学院,昆明650500

苹果叶部 病害分割 ASNet模型 非对称混洗卷积 通道压缩 注意力机制

6176102462061022

2021

10.6041/j.issn.1000-1298.2021.08.022

农业机械学报
中国农业机械学会 中国农业机械化科学研究院

农业机械学报

CSTPCDCSCD北大核心
影响因子：1.904
ISSN：1000-1298
年,卷(期)：2021.52(8)
  • 14
  • 12