-
题名基于坐标注意力机制和残差网络的水稻叶片病虫害识别
被引量：1
- 1
-
-
作者
廖媛珺
杨乐
邵鹏
余小云
-
机构
江西农业大学计算机与信息工程学院
江西省高等学校农业信息技术重点实验室
-
出处
《福建农业学报》
CAS
CSCD
北大核心
2023年第10期1220-1229,共10页
-
基金
国家自然科学基金项目(61862032)
江西省自然科学基金项目(20202BABL202034)。
-
文摘
【目的】针对在自然条件下水稻叶片病虫害的识别效率不高、准确率较低的问题,探索基于ResNet深度学习网络的水稻叶片病虫害识别模型(ResNet50-CA)。【方法】在ResNet-50的残差卷积模块下引入坐标注意力机制(CA),采用LeakyReLU激活函数替代ReLU激活函数,使用3个3×3的卷积核替换ResNet-50模型首层卷积层中的7×7卷积核。【结果】在使用传统卷积神经网络进行水稻叶片病虫害研究发现,ResNet-50能够较好地平衡识别准确率和模型复杂度之间的关系,因此选择在ResNet-50网络模型的基础上加以改进。使用改进后的网络通过微调参数进行水稻叶片病虫害对比性能试验,研究发现在批量样本数为16和学习率为0.0001时,ResNet50-CA获得最高的识别准确率(99.21%),优于传统的深度学习算法。【结论】改进后的网络能够提取出水稻病虫害更加细微的特征信息,从而取得更高的识别准确率,为水稻叶片病虫害识别提供新思路和方法。
-
关键词
深度学习
ResNet50
水稻病虫害识别
坐标注意力机制
-
Keywords
Deep learning network
ResNet50
rice leaf diseases and pest infestations
coordinate attention mechanism
-
分类号
S435
[农业科学—农业昆虫与害虫防治]
-
