植物病虫害分类轻量化与可解释性研究
张梅
赖祥太
贵州财经大学信息学院 贵州贵阳 550025
摘要：针对传统模型参数量大、田间实时检测难的问题,文章提出了一种嵌入坐标注意力(coordinate attention,CA)模块的轻量级MobileNetV2二分类模型,用于植物健康与病害叶片识别.模型通过水平/垂直池化编码空间坐标,构建双分支加权机制以精准捕捉病斑特征.同时,结合Grad-CAM++(gradient-weighted class activation mapping++)可视化分析增强模型可解释性.在 New PlantVillage 数据集上,模型以2.67 × 106参数量、320MFLOPs,实现99.7％的准确率,单图推理时间27 ms.可视化结果显示其能聚焦病斑核心区域,相比SE、CBAM机制,在参数量、准确率和推理时间方面取得更优平衡,为田间实时病害检测提供了轻量化且可解释的解决方案,具备边缘设备快速部署潜力.
关键词：植物病虫害MobileNetV2坐标注意力轻量化Grad-CAM++可解释性
资助基金：贵州财经大学创新探索及学术新苗项目(2024XSXMB21)
论文发表日期：2025-11-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 32-36 )