基于改进MobileNet-V2的田间农作物叶片病害识别

• 作者: 孙俊 朱伟栋 罗元秋 沈继锋 陈义德 周鑫
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 农作物 病害 复杂背景 轻量型 上采样 参数量
• 年，卷（期）: 2021,（22）
• 所属期刊栏目: 农业信息与电气技术|Agricultural Information and Electrical Technologies
• 页码范围: 161-169
• 页数: 9页
• 分类号: S126
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2021.22.018

摘要

农作物病害是造成粮食产量下降的重要因素,利用智能化手段准确地识别农作物病害有利于病害的及时防治,该研究基于改进的MobileNet-V2识别复杂背景下的农作物病害,对未来覆盖各种作物的智能化病害识别工作具有重要意义.首先创建含有11类病害叶片及4类健康叶片的农作物数据集,采用数据增强操作构造不同的识别场景.其次在原始模型MobileNet-V2的基础上,嵌入轻量型的坐标注意力机制,建立通道注意力与位置信息的依赖关系.然后对网络中不同尺寸的特征图采取上采样融合操作,构建兼具网络高、低层信息的新特征图.此外,采用分组卷积并删除模型中不必要的分类层,减少模型参数量.试验结果表明:改进模型的参数量为2.30×106,改进模型的识别准确率在背景复杂的农作物叶片病害数据集中达到了92.20％,较改进前提高了2.91个百分点.相比EfficientNet-b0、ResNet-50、ShuffleNet-V2等经典卷积神经网络架构,改进模型不仅达到了更高的识别准确率,还具有更平稳的收敛过程以及更少的参数.该研究改进的模型较好地平衡了模型的复杂度和识别准确率,为深度学习模型移植至田间移动病害检测设备提供了思路.