科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对农作物病害图像识别模型存在参数量较大内存占用较多、识别准确率不高及训练速度慢等问题，提出了融合注意力模块的多尺度卷积网络叶片病害图像识别模型。该网络模型基于残差网络模块，利用多尺度卷积取代了传统的单尺度卷积，使得网络加宽以获取更多的特征信息，避免网络堆叠过深引起的过拟合现象；同时为了加快模型训练速度，采用深度可分离卷积代替传统卷积减少模型参数量；将注意力机制引入到残差网络中，增强了模型的关键特征信息的提取能力，从而提高了模型的识别精度。通过对试验数据集进行对比试验，改进网络模型的识别准确率达到99.48%并且模型参数量仅有19.06 MB，试验结果表明所提出的方法能有效地提高模型的识别性能并降低模型参数量，为实现低成本终端运行奠定基础。
- 出版日期2023
- 单位安徽理工大学
