文献类型： 中文期刊

作者： 李洁 ¹ ; 高尚兵 ¹ ; 余骥远 ¹ ; 陈新 ² ; 李士丛 ² ; 袁星星 ² ;

作者机构： 1.淮阴工学院计算机与软件工程学院

2.江苏省农业科学院经济作物研究所

关键词： 绿豆叶斑病;抗性鉴定;叶绿素荧光图像;坐标注意力机制;深度可分离卷积

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2024 年 008 期

页码： 210-216

收录情况： 北大核心

摘要： 考虑到相近发病指数的绿豆叶片病斑区域特征区分不明显，在检测类似大小的病斑时，使用固定尺度的卷积核检测效果不是很好，故设计一种并行多分支多尺度卷积神经网络（PMMS-Net）模型。该模型先使用并行多分支多尺度特征融合模块获取丰富的病斑特征；然后采用坐标注意力机制，使模型能更好地定位到病变区域，实现对感兴趣区域的选择性强调；最后使用特征充分提取模块，将深度可分离卷积与普通卷积结合，实现对特征的充分提取，进一步优化特征提取效果。试验数据集由绿豆叶斑病的叶绿素荧光图像构成，其中包含五种抗性类型的绿豆叶斑病图像。结果表明，本文提出的方法在试验数据集上训练迭代1 000次，所耗费时间仅比AlexNet多0.8倍，验证准确率却比AlexNet高出18.9%，本模型在该数据集上的验证准确率为87.8%，平均特异度为96.92%，参数内存仅为0.54 MB。本文提出的方法有利于将该模型部署在移动终端等资源受限的嵌入式设备上，为绿豆叶斑病的抗性鉴定提供一种新方法。