卷积神经网络模型可通过作物病害图像准确率较高地识别作物病害类型,达到防治作物病害的目的,但传统卷积神经网络模型存在模型尺寸大、迁移效果差等问题.针对这些问题,引入学习率动态衰减训练策略,使用EfficientNetV2的Fused-MBConv和MBConv模块替换ResNet18的部分残差模块,提出Res-Efficient模型.实验证明,使用学习率动态衰减策略能提高Res-Efficient模型识别作物病害的准确率,Res-Efficient模型在Plant Village和2018 AI Challenger测试集上分别达到99.70％和87.20％的准确率,模型尺寸减少到14.0 MB.Res-Efficient模型能为移动端和嵌入式设备部署作物病害自动识别应用提供参考.
Res-Efficient: A Lightweight Model for Automatic Identification of Crop Diseases
国家科技期刊平台
NSTL
万方数据
维普
