基于改进MobileNetV2模型的农作物叶片病害识别研究
王焕鑫1
沈志豪1
刘泉2
刘金江2
1.南阳师范学院生命科学与农业工程学院,河南南阳4730002.南阳师范学院计算机科学与技术学院,河南南阳473000
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
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(2021-ZZJH-262)河南省自然科学基金青年科学基金项目(202300410301)
论文发表日期：2023-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 143-151 )
英文信息