改进EfficientNetV2的玉米病虫害识别与分级研究

作者：武魁; 高丙朋^*

来源：现代电子技术, 2023, 46(14): 68-74.

DOI：10.16652/j.issn.1004-373x.2023.14.013

• 玉米病虫害
• 病虫害识别
• 病虫害分级
• EfficientNetV2
• 特征提取
• EDB模型

农业生产中的玉米病虫害问题日益严重，为提高玉米病虫害的防治精度，进而给农民的生产生活提供更专业的指导，文中提出一种玉米病虫害识别与分级的方法，对常见的5种病虫害进行识别与分级研究。首先，通过对不同类型的轻量级网络对比，选择EfficientNetV2作为特征提取网络；其次，为提高模型的精度，引入DeepViT算法修改网络通道，提升网络的特征提取能力，并引入特征融合网络提高模型的分类精度；最后，将改进后的EDB模型与AlexNet、ResNet、VGG16、DenseNet等网络进行对比。实验结果表明，改进后的模型大小为8.6 MB，玉米病虫害平均识别精度为97.72%，玉米病害分级精度为92.6%，单张图片平均识别时间为24 ms，可实现对玉米病虫害的快速、准确识别，能够为后期玉米的管理提供相应的技术支撑。

• 出版日期2023
• 单位新疆大学