基于注意力残差机制的细粒度番茄病害识别

• 作者: 杨华 胡志伟 谢倩倩 黄济民
• 来源期刊: 华南农业大学学报
• 学科: 农学
• 关键词: 细粒度 注意力机制 残差网络 卷积网络 番茄叶片 病害识别
• 年，卷（期）: 2019,（6）
• 页码范围: 124-132
• 页数: 9页
• 分类号: S436.36|TP391.4
• 字数: 5407字
• 语种: 中文
• DOI: 10.7671/j.issn.1001-411X.201812048

摘要

[目的]解决温室环境下细粒度番茄病害识别方法不足问题.[方法]以早、晚期5种番茄病害叶片为研究对象,提出一种基于注意力与残差思想相结合的新型卷积神经网络模型ARNet.通过引入多层注意力模块,层次化抽取病害分类信息,解决早期病害部位分散、特征难以提取难题;为避免网络训练出现退化现象,构建残差模块有效融合高低阶特征,同时引入数据扩充技术以防止模型过拟合.[结果]对44295张早、晚期病害叶片数据集进行模型训练与测试的结果表明,与VGG16等现有模型相比,ARNet具有更好的分类表现,其平均识别准确率达到88.2％,显著高于其他模型.ARNet对早期病害识别准确率明显优于晚期病害,验证了注意力机制在提取细微区域特征上的有效性,且在训练过程中未发生过度抖动的状况.[结论]本文提出的模型具有较强鲁棒性和较高稳定性,在实际应用中可为细粒度番茄病害智能诊断提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨华	山西农业大学信息科学与工程学院	77	401	11.0	16.0
2	黄济民	武汉大学计算机学院	6	85	4.0	6.0
3	谢倩倩	武汉大学计算机学院	8	26	3.0	4.0
4	胡志伟	山西农业大学信息科学与工程学院	6	10	2.0	3.0