基于改进MobileViT网络的番茄叶片病害识别

作者：陈晓^*; 夏颖

来源：电子测量技术, 2023, 46(14): 188-196.

DOI：10.19651/j.cnki.emt.2212253

• 番茄
• 病害识别
• MobileViT
• 卷积神经网络
• Transformer
• H-Swish激活函数

针对卷积神经网络对番茄叶片型病害分类效果不佳的问题，提出了一种基于改进MobileViT轻量级网络的番茄病害识别方法。首先，删除输入和全局表征层的特征融合，将局部和全局表征层进行特征融合，使局部表征与全局表征更加密切相关；其次，为了避免模型在缩放时参数和FLOPS的大幅增加，在融合块中使用1×1卷积层替换3×3卷积层；然后，还添加了输入与融合块的残差结构，优化了网络模型中的更深层次；最后，将ReLU6激活函数替换成H-Swish激活函数，进一步提高了模型准确率。实验结果表明，改进后的MobileViT模型可以很好地实现番茄病害的识别，平均识别准确率达到99.16%。相较于其它的卷积神经网络模型，具有更高的识别精度。

• 出版日期2023
• 单位南京信息工程大学