基于改进MobileNetV2模型的农作物叶片病害识别研究

摘要：

为实现基于移动端的农作物叶部病害图像便捷识别,提高农作物病害识别效率进而更好地指导作物病害防治,基于改进的轻量级卷积神经网络MobileNetV2建立农作物病害识别模型.首先,建立含有15种病害叶片和4种健康叶片的农作物数据集,采用数据增强操作进行数据平衡.其次,对MobileNetV2进行改进,引入高效通道注意力(Efficient channel attention,ECA)与注意力特征融合(Attentional feature fusion,AFF),并通过模型剪枝去除冗余层,建立了高性能的轻量级农作物病害识别模型.结果表明:改进MobileNetV2模型参数量与初始MobileNetV2参数量相比减少15.37％,同时识别准确率提升0.9个百分点,达到了 98.4％.相比EfficientNet-b0、ShuffleNetV2-0.5X等经典卷积神经网络模型,改进的模型不仅识别准确率最高,且训练过程收敛速度更快.

关键词：MobileNetV2、卷积神经网络、农作物病害、轻量型、注意力机制、特征融合、模型剪枝

所属期刊栏目：52

分类号：S126(农业物理学)

资助基金：河南省教育厅人文社会科学研究项目;河南省自然科学基金青年科学基金项目

在线出版日期：2023-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：143-151