基于改进MobileNetV2模型的农作物叶片病害识别研究

作者：王焕鑫; 沈志豪; 刘泉; 刘金江^*

来源：河南农业科学, 2023, 52(04): 143-151.

DOI：10.15933/j.cnki.1004-3268.2023.04.017

• MobileNetV2
• 卷积神经网络
• 农作物病害
• 轻量型
• 注意力机制
• 特征融合
• 模型剪枝

为实现基于移动端的农作物叶部病害图像便捷识别，提高农作物病害识别效率进而更好地指导作物病害防治，基于改进的轻量级卷积神经网络MobileNetV2建立农作物病害识别模型。首先，建立含有15种病害叶片和4种健康叶片的农作物数据集，采用数据增强操作进行数据平衡。其次，对MobileNetV2进行改进，引入高效通道注意力（Efficient channel attention,ECA）与注意力特征融合（Attentional feature fusion,AFF），并通过模型剪枝去除冗余层，建立了高性能的轻量级农作物病害识别模型。结果表明：改进MobileNetV2模型参数量与初始MobileNetV2参数量相比减少15.37%，同时识别准确率提升0.9个百分点，达到了98.4%。相比EfficientNet-b0、ShuffleNetV2-0.5X等经典卷积神经网络模型，改进的模型不仅识别准确率最高，且训练过程收敛速度更快。

• 出版日期2023
• 单位南阳师范学院