基于多尺度注意力卷积神经网络的苹果叶部病害识别方法

作者：张会敏; 谢泽奇^*

来源：江苏农业科学, 2023, 51(16): 154-161.

DOI：10.15889/j.issn.1002-1302.2023.16.022

• 苹果病害识别
• 卷积神经网络
• 多尺度空洞卷积模块
• 双注意力机制
• 多尺度注意力卷积网络

针对传统苹果叶部病害识别方法识别率低和现有卷积神经网络(CNN)训练时间长的问题，提出一种基于多尺度注意力卷积神经网络的苹果叶部病害识别方法。该方法由多尺度空洞卷积模块Inception与改进的残差模块组成，其中，多尺度空洞卷积模块Inception用于图像的多尺度特征提取，在卷积模块中引入双注意力机制增强网络模型，显著表示图像中叶部病斑区域特征，降低非病斑区域与背景区域对识别结果的干扰，在原始残差模块上引入卷积层与非线性激活函数改进的残差模块，增加鲁棒性判别特征的跨层融合，在苹果病害叶片图像数据集上的识别准确率达96%以上。结果表明，所提出的方法具有参数量少、占用内存小以及性能好的优势，可进一步应用于田间苹果叶部病害智能识别系统。

• 单位
  电子信息工程学院; 郑州西亚斯学院