科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现水稻病害的轻量化识别与检测，使用ECA注意力机制改进MobileNetV3Small模型，并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练，将预训练得到的共享参数迁移到对水稻病害识别模型上微调优化。在开源水稻病害数据集上进行试验测试，试验结果表明，在非迁移学习下，识别准确率达到97.47%，在迁移学习下识别准确率达到99.92%，同时参数量减少26.69%。其次，通过Grad-CAM进行可视化，本文方法与其他注意力机制CBAM和SENET相比，ECA模块生成的结果与图像中病斑的位置和颜色更加一致，表明网络可以更好地聚焦水稻病害的特征，并且通过可视化和各水稻病害分析了误分类原因。本文方法实现了水稻病害识别模型的轻量化，使其能够在移动设备等资源受限的场景中部署，达到快速、高效、便携的目的。同时开发了基于Android的水稻病害识别系统，方便于在边缘端进行水稻病害识别分析。
- 单位
