文献类型： 中文期刊

作者： 于明 ¹ ; 李若曦 ² ; 阎刚 ¹ ; 王岩 ³ ; 王建春 ⁴ ; 李扬 ⁴ ;

作者机构： 1.河北工业大学人工智能学院

2.河北工业大学电子信息工程学院

3.天津商业大学信息工程学院

4.天津市农业科学院

关键词： 农作物病害;自注意力机制;细粒度识别;特征提取;颜色掩膜网络

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2022 年 008 期

页码： 337-344

收录情况： EI ; 北大核心 ; CSCD

摘要： 为了提取到更加准确、丰富的叶片病斑的颜色特征和空间特征，解决病害严重程度细粒度分类粗糙、识别准确率低等问题，提出一种融合颜色掩膜网络和自注意力机制（Fusion color mask and self-attention network, FCMSAN）的病害识别方法。FCMSAN由颜色掩膜网络（Color mask network, CMN）和融合通道自适应的自注意力网络（Channel adaptive self-attention network, CASAN）构成。CMN通过学习叶片病斑颜色区域信息提高模型提取颜色特征的能力；CASAN能够提取全局范围内的病斑特征，同时加入病斑的位置特征和通道自适应特征，可以精确、全面定位叶片病斑区域。最后通过特征转换融合模块（Transfer fusion layer, TFL）将CMN和CASAN进行融合。经实验证明，FCMSAN在61类农作物病虫害细粒度识别中，Top-1的分类准确率达到87.97%,平均F1值达到84.48%。最后通过可视化分析，验证了本文方法在病害识别中的有效性。