基于可见光谱和改进注意力的农作物病害识别

文献类型： 中文期刊

第一作者： 孙文斌

作者： 孙文斌;王荣;高荣华;李奇峰;吴华瑞;冯璐

作者机构：

关键词： 病害识别;图像分类;注意力机制;残差网络

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2022 年 42 卷 005 期

页码： 1572-1580

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 基于可见光谱的农作物病害自动化识别和诊断是一个具有挑战性的研究领域,但现有基于卷积神经网络进行病害识别的研究往往利用深层网络牺牲模型参数量来提高对单一农作物病害识别的准确率,从而造成硬件资源的浪费.为提高农作物病害识别的准确率且避免深层网络的使用,该研究将注意力机制引入农作物病害识别领域,提出了一种基于可见光谱和改进注意力机制的浅层农作物病害识别模型,设计了新的注意力模块SMLP和农作物病害识别模型SMLP_ResNet.利用卷积层代替全连接层设计参数量较少的残差网络(ResNet),然后利用SMLP、归一化结构(Batch Normalization)和残差模块(Res_block)得到改进的残差模块单元(SMLP_Res),其中SMLP由全局池化和多层感知机组成,建立各通道间依赖关系.多层感知机使用三层网络结构,将全局特征的通道维度提升至两倍,然后对其通道维度进行两次降维,恢复至原始维度,减少了全局特征损失.SMLP_Res可对通道中的病害特征重校准,减少对识别任务无效的冗余信息,最后构建农作物病害识别模型SMLP_ResNet,在减少模型层数同时提高其识别率.使用两个不同难度的多种植物和病害混合的公开数据集AI Challenger 2018和Plant Village验证本文模型.实验结果表明,SMLP_ResNet模型在18、50和101层时达到了较高的识别率,其中SMLP_ResNet18模型效果最佳,在两个数据集中的病害识别率分别为86.93% 和99.32%.SMLP_ResNet18的准确率不仅高于改进前的ResNet18和SENet18网络,还高于其他研究者提出的模型的准确率,且模型权重大小为48.6 MB,仅约为AlexNet网络权重的五分之一,能够在模型参数量较小的情况下实现较高的病害识别率.从Grad-CAM生成的热力图中可看出SMLP_ResNet18相比于其他模型更关注于叶片病害部位的特征,其背景信息以及叶片健康部位的权值较小.该研究所提出的SMLP_ResNet18模型实现了浅层网络下的高精度识别,提高了对叶片病害区域的辨识度,减少了背景等冗余特征的影响,适用于面向多种农作物不同病害下的高精度识别.

分类号： TP391.4

  • 相关文献

[1]基于注意力机制和多尺度残差网络的农作物病害识别. 黄林生,罗耀武,杨小冬,杨贵军,王道勇. 2021

[2]基于深度学习分类模型的4种果树物候期识别. 钟丹,李宗南,王思,黄平,邱霞,蒋怡. 2023

[3]基于多尺度和注意力机制的番茄病害识别方法. 张宁,吴华瑞,韩笑,缪祎晟. 2021

[4]基于深度残差网络的番茄叶片病害识别方法. 吴华瑞. 2019

[5]改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法. 龙洁花,赵春江,林森,郭文忠,文朝武,张宇. 2021

[6]基于改进YOLO v3-tiny的全景图像农田障碍物检测. 陈斌,张漫,徐弘祯,李寒,尹彦鑫. 2021

[7]基于深度残差网络的麦穗回归计数方法. 刘航,刘涛,李世娟,李路华,吕纯阳,刘升平. 2021

[8]融合ResNet与支持向量机的葡萄园冠层图像叶片覆盖度分类. 代国威,陈稼瑜,樊景超. 2023

[9]用于高光谱图像分类的归一化光谱指数的构建与应用(英文). 张东彦,赵晋陵,黄林生,马雯萩. 2014

[10]RADARSAT-2全极化SAR数据地表覆盖分类. 程千,王崇倡,张继超. 2015

[11]基于烟花算法降维的高光谱图像分类. 崔颖,宋国娇,陈立伟,刘述彬,王立国. 2017

[12]基于二进制编码的烟花聚类算法. 李雪源,崔颖. 2016

[13]基于机器学习和无人机图像的棉花密度识别研究. 张静,王清茹,雷亚平,王占彪,韩迎春,李小飞,邢芳芳,范正义,李亚兵,冯璐. 2021

[14]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

[15]Stacking Learning在高光谱图像分类中的应用. 徐凯,崔颖. 2018

[16]基于MS-PLNet和高光谱图像的绿豆叶斑病病级分类. 余骥远,高尚兵,李洁,陈新,李士丛,张浩淼,袁星星,唐琪. 2023

[17]遥感图像分类中混合像元分解方法研究. 吴黎,张有智,解文欢,王鹏,刘媛媛,李栓. 2011

[18]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[19]基于卷积神经网络的柑橘病害叶片分类算法. 施宇,李敏. 2022

[20]基于深度学习的刺网与拖网作业类型识别研究. 汤先峰,张胜茂,樊伟,裴凯洋. 2020

作者其他论文 更多>>

微信小程序