基于改进ShuffleNet V2的荔枝叶片病虫害图像识别
谢家兴1
陈斌瀚2
彭家骏2
何培华2
景庭威2
孙道宗3
高鹏2
王卫星3
郑代德2
李君4
1.华南农业大学电子工程学院(人工智能学院),广州 510642;岭南现代农业科学与技术广东省实验室茂名分中心,广东茂名 525000;广东省农情信息监测工程技术研究中心,广州 5106422.华南农业大学电子工程学院(人工智能学院),广州 5106423.华南农业大学电子工程学院(人工智能学院),广州 510642;广东省农情信息监测工程技术研究中心,广州 5106424.岭南现代农业科学与技术广东省实验室茂名分中心,广东茂名 525000;华南农业大学工程学院,广州 510642
摘要：[目的]探索及时、准确识别危害荔枝叶片病虫害的方法,做好防护和治理工作.[方法]以常见荔枝叶片病虫害图像为研究对象,针对荔枝病虫害图像的病斑分布区域广、面积大小不一等特点,对ShuffleNet V2模型进行相应改进.首先,采集荔枝5类叶片病虫害制作数据集,采用数据增强操作构建更加丰富的数据集;其次,在网络特征提取模块采用混合空洞卷积,避免传统卷积在下采样过程中造成图像分辨率降低及信息丢失;然后,通过嵌入轻量型通道注意力模块ECA(efficient channel attention),增进特征图之间相互依赖关系.此外,删减模型中不必要的层数和通道数,降低模型的参数量及运算量.[结果]研究所改进模型在5类荔枝病虫害图像(毛毡病、炭疽病、煤烟病、叶瘿蚊、藻斑病)中达到了99.04％的识别准确率,比原网络ShuffleNet V2高出2.55％.相较于经典网络AlexNet、ResNet-18、DenseNet和MobileNet V2等,改进模型不仅有着更高的识别准确率,并且改进后模型参数量仅为0.059×106,为原模型的4.92％,浮点运算量仅为0.183×109.[结论]研究结果适合部署在移动终端等嵌入式资源受限设备上,有助于实现对作物病虫害实时、准确地识别.
关键词：荔枝叶斑症状图像识别ShuffleNet V2模型模型参数
分类号：S667.1(果树园艺)
资助基金：华南农业大学新农村发展研究院农业科技合作共建项目(2021XNYNYKJHZGJ032)茂名实验室自主科研项目(2021ZZ002)广东省现代农业产业技术体系创新团队建设专项(2022KJ108)岭南现代农业实验室科研项目(NT2021009)广东省乡村振兴战略专项(TS-1-4)现代农业产业技术体系(CARS-32-14)广东省科技创新战略专项资金(攀登计划专项资金)项目(pdjh2021b0077,pdjh2021b0077)
论文发表日期：2023-05-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 1024-1035 )
英文信息