基于改进注意力的农作物病虫害识别模型

• 作者: 陈鑫林 陈世国
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 图像识别 农作物病虫害 空间注意力 细粒度识别
• 年，卷（期）: 2021,（19）
• 所属期刊栏目: 算法语言
• 页码范围: 50-53
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.19.015

摘要

识别农作物病虫害是控制病虫害的前提,由于病虫害识别属于细粒度识别,识别任务难度较大.由于实际应用中的计算能力有限,笔者使用轻量级模型MobileNet-V3进行改进,提出使用注意力模块(Channel Spatial Attention Module,CSAM)提高模型试别的准确率,训练时使用更适合细粒度识别任务的损失函数进一步提升识别准确率.改进模型明显优于原模型,Top1、Top5的准确率分别提升了1.03％、0.31％,模型参数量为47.8 MB,识别速度为186 FPS.