科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有机器学习方法对玉米叶片病害进行分类时存在准确率不高、分类模型参数量偏大的问题，提出了一种融合空间注意力机制和DenseNet的玉米叶片病害分类方法SA-DenseNet。将空间注意力机制加入至DenseNet网络的每一个Dense Block模块中，使改进后网络更加关注玉米叶片病害的空间特征；把网络中的ReLU激活函数替换为PReLU激活函数，以避免在网络训练过程中输入为负数时导致的梯度消失问题。仿真结果表明，改进模型对玉米叶片病害分类的训练集准确率为98.77%,测试集准确率为98.96%,均优于AlexNet, ResNet50,ResNeXt三个对比网络。模型大小为67.7 MB,优于ResNet50和ResNeXt网络。
- 单位
