文献类型： 中文期刊

作者： 谷瑞 ¹ ; 顾家乐 ² ; 宋翠玲 ¹ ; 钱春花 ³ ;

作者机构： 1.南京大学

2.苏州工业园区服务外包职业学院

3.江苏省农业科学院

关键词： 苹果叶片;病害识别;坐标注意力;轻量级模型;多尺度特征融合

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2025 年 46 卷 002 期

页码： 173-180,186

收录情况： 北大核心

摘要： 为解决传统神经网络参数量大、无法满足资源有限的移动设备对苹果叶片病害的识别需求，提出一种基于坐标注意力的多尺度轻量级模型CA—MobileNetV2。首先，将MobileNetV2倒残差中3×3的卷积替换成多尺度特征融合模块（MMF—module），在不增加参数量的前提下，引入空洞卷积增大感受野，以捕捉丰富的多尺度细节信息，增强网络对细节信息和语义信息提取能力；其次，引入坐标注意力机制自适应地学习不同位置的特征权重，增强对苹果叶片病害区域的感知能力；最后，针对模型训练中的梯度消失问题，改进MobileNetV2的分类器，并引入Leaky ReLU激活函数。结果表明，所提轻量级模型在验证集上的识别准确率、参数量、浮点运算量分别为98.36%,2.35 MB和298.70 M，与ShuffleNetV2、EfficientNet—B2、MobileNetV2、MobileNetV3和GhostNet相比，参数量压缩0.69 MB、6.41 MB、0.28 MB、4.32 MB、1.46 MB，准确率提升8.6%,6.47%,5.07%,4.28%和3.85%，推理时间减少8.7 ms、21.1 ms、13 ms、6.9 ms、17.6 ms。