基于改进ResNet18的苹果叶部病害多分类算法研究

作者：姜红花; 杨祥海; 丁睿柔; 王东伟; 毛文华; 乔永亮^*

来源：农业机械学报, 2023, 54(04): 295-303.

• 苹果叶部病害
• ResNet18
• 注意力机制
• 随机裁剪
• 深度学习

针对传统苹果叶部病害分类方法精准性差、效率低等问题，提出了一种基于改进ResNet18的苹果叶部病害多分类算法。通过在原始ResNet18网络的基础上增加通道与空间注意力机制分支，强化网络对叶部病害区域的特征提取能力，提高病害的识别精度和实时性。为更好地引导网络学习到零散分布的病害斑点的特征，引入特征图随机裁剪分支，不仅实现有限样本空间的扩充，还进一步优化网络结构，提高训练速度。试验以苹果5类常见的叶部病害(黑星病、黑腐病、雪松锈病、灰斑病、白粉病)为主要研究对象，并与主流分类算法模型进行对比。试验结果表明，所提ResNet18-CBAM-RC1模型病害分类准确率可达98.25%,高于ResNet18(93.19%)和VGG16(96.13%),能够有效提取叶片病害特征，增强对多类病害的识别，提高识别准确率。此外，模型内存占用量仅为37.44 MB,单幅图像推理时间为9.11 ms,可满足嵌入式设备上果园病害识别的实时性要求。

• 单位
  中国农业机械化科学研究院; 青岛农业大学; 机电工程学院; 山东农业大学