基于改进EfficientNetV2的苹果叶片病害识别模型
王浩宇1
崔艳荣1
胡玉荣2
胡施威1
1.长江大学计算机科学学院,湖北荆州 4340002.荆楚理工学院计算机工程学院,湖北荆门 448000
摘要：斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量.针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻量级的EGV2-CA网络.该网络在保留EfficientNetV2-b0主干网络的基础上,一是引入GhostNetV2网络中的核心Ghost Module,并选用original分支替换第一层卷积结构,可以进一步优化网络的计算效率,减少冗余计算,从而在提高模型速度和可移植性的同时保持较高的识别准确率;二是将EfficientNetV2-b0模型中Fused-MBConv模块的SE注意力机制替换为更高效的坐标注意力(CA)机制,通过将空间信息编码为坐标信息以更好地捕捉和表达空间上的细粒度特征.实验结果显示,相较于原始网络,EGV2-CA网络的识别精确率提高2.94个百分点,召回率提高2.53个百分点,F1得分提高2.67个百分点,Top-1准确率提高2.47个百分点,而参数量仅为48.9 M,可迁移至移动设备上使用,为真实场景下苹果叶片病害的快速、准确识别提供了一种有效的解决方案.
关键词：苹果叶片病害轻量级网络深度学习算法EfficientNetV2Ghost模块坐标注意力机制
分类号：S126(农业物理学)S661.1(果树园艺)
资助基金：国家自然科学基金(62077018)国家自然科学基金(62373382)荆门市重大科技创新计划项目(2022ZDYF019)
论文发表日期：2024-09-28
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：9( 124-132 )
英文信息