融合多头注意力的轻量级作物病虫害识别方法

作者：赵法川; 徐晓辉^*; 宋涛; 郝淼淼; 汪曙; 朱伟龙

来源：华南农业大学学报, 2023, (06): 1-16.

• 病虫害识别
• 轻量级
• 多头注意力
• 残差学习
• 深度可分离

【目的】解决当前病虫害识别方法参数多、计算量大、难以在边缘嵌入式设备部署的问题，实现农作物病虫害精准识别，提高农作物产量和品质。【方法】提出一种融合多头注意力的轻量级卷积网络（Multi-head attention to convolutional neural networks，M2CNet）。M2CNet采用层级金字塔结构，首先结合深度可分离残差和循环全连接残差构建了局部捕获块，用来捕捉短距离信息；其次结合全局子采样注意力和轻量级前馈网络构建了轻量级全局捕获块，用来捕捉长距离信息。提出了M2CNet-S/B/L3个变体以满足不同的边缘部署需求，其参数量分别为1.8M、3.5、5.8M，计算量（Floating point operations，FLOPs）分别为0.23G、0.39G、0.60G。【结果】M2CNet-S/B/L在PlantVillage病害数据集上取得了大于99.7%的Top5准确率和大于95.9%的Top1准确率，在IP102虫害数据集上取得了大于88.4%的Top5准确率和大于67.0%的Top1准确率，且与同级别的模型对比中占据优势。【结论】该方法能够对作物病虫害进行有效识别，且为边缘侧工程部署提供有益参考。

• 单位
  河北工业大学; 电子信息工程学院