基于多尺度特征度量元学习的玉米叶片病害识别模型研究

作者：惠巧娟; 孙婕

来源：江苏农业科学, 2023, 51(09): 199-206.

DOI：10.15889/j.issn.1002-1302.2023.09.027

• 玉米叶片病害识别
• 多尺度特征
• 度量元学习
• 全局和局部特征
• Swin Transformer

传统基于深度学习的玉米叶片病害检测模型检测精度不高、模型参数量大，基于此，提出一种融合多尺度、无参数度量学习的玉米叶片病害识别算法模型。首先，利用Vgg-16、Swin Transformer网络，将玉米叶片病害图片映射到全局和局部特征空间；然后，利用多尺度特征融合网络，实现全局和局部特征的深度融合，强化特征的分类能力；最后，利用无参数元学习网络，实现待测玉米叶片病害图片与特征集之间的度量，根据度量结果，实现玉米叶片病害的快速定位与识别。在开源Plant Village数据集、自建玉米叶片病害数据集上进行了测试，所提出模型的识别准确率分别为97.45%、96.39%,同时保持了较低的识别时间开销；相比其他经典玉米叶片病害识别模型，具有更强的鲁棒性和泛化性能。

• 单位
  中国矿业大学银川学院