基于注意力机制与EfficientNet的轻量化水稻病害识别方法

作者：卫雅娜; 王志彬; 乔晓军; 赵春江^*

来源：中国农机化学报, 2022, 43(11): 172-181.

DOI：10.13733/j.jcam.issn.2095-5553.2022.11.024

• 水稻
• 病害识别
• EfficientNet
• 注意力模块
• Adam

为实现水稻病害图像的快速、准确识别，提出一种基于注意力机制与EfficientNet的轻量化水稻病害识别方法。该方法首先引入轻量级卷积注意力模块(Convolutional Block Attention Module, CBAM)改进Efficientnet-B0中的主体模块轻量翻转瓶颈卷积核(Mobile Inverted Bottleneck Convolution, MBConv),然后利用Ghost模块优化网络中的卷积层，降低网络的参数量和计算量，最后使用Adam优化算法提高网络的收敛速度。在由572幅水稻白叶枯病、稻粒黑粉病、稻曲病、稻胡麻斑病和健康叶片5类水稻图像构成的测试集上，本文所提方法的识别准确率为95.63%,较EfficientNet-B0提高1.75%;分别比同类经典神经网络VGG16、Inception-V3、ResNet101和DenseNet201提高8.39%、4.72%、3.67%和1.05%。本文所提方法模型参数量为4.4 M,较EfficientNet-B0减少2.8 M;相比于对照网络，其参数量仅是这些网络模型参数量的9.05%、18.37%、9.81%和21.64%。试验结果表明：本文所提方法能够实现对不同水稻病害图像的准确、快速识别，而且识别模型轻量，具有较少的网络参数量。

• 单位
  西北农林科技大学; 北京市农林科学院