科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的CNN模型在水稻叶部病害的识别中准确率较低的问题，提出了一种结合并行结构和残差结构的混合卷积神经网络模型PRC-Net。引入并行结构，提高卷积的感受野；结合残差结构，使特征信息完整的连续传递；在骨干模型PR-Net中嵌入改进的空间注意力机制，增强对不同尺度病斑特征信息的凝聚程度；为进一步提升病害识别的准确率，并减少模型的训练时间和推理时间，通过改变加权方式对模型结构进行优化。仿真结果表明，与InceptionResNetV2等分类模型相比，PRC-Net具有更少的训练参数、更短的训练时间和更高的识别精度。为证明模型的实用性和可扩展性，将PRC-Net成功应用于番茄、玉米和土豆3种作物数据集以及PlantVillage公共数据集的病害识别。实验结果表明PRC-Net模型性能优于其它作物病害识别模型。
