基于重参数化MobileNetV2的农作物叶片病害识别模型

作     者：彭玉寒 李书琴 PENG Yuhan;LI Shuqin

作者机构：西北农林科技大学信息工程学院杨凌712100 

基　　金：中央高校基本科研业务专项资金项目(2452019064) 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2023年第39卷第17期

页      码：132-140页

摘      要：针对基于卷积神经网络识别农作物叶片病害存在参数众多,计算量大且实时性差的问题,提出一种轻量级农作物叶片病害识别模型RLDNet(reparameterized leaf diseases identification network)。首先,基于MobileNetV2利用重参数化倒残差模块提升推理速度,并设计浅而窄的网络结构增强对浅层特征的提取,降低模型参数量。其次,使用轻量级ULSAM(ultra-lightweight subspace attention module)注意力机制,结合叶片病害特征,强化模型对病害区域的关注能力。最后,利用DepthShrinker剪枝方法对模型进行剪枝进一步减小空间占用。RLDNet在PlantVillage数据集上识别准确率达99.53%,参数量为0.65 M,对单张叶片病害图像的推理时间为2.51 ms。在自建叶片病害数据集上获得了98.49%识别准确率,比MobileNetV3、ShuffleNetV2等轻量级模型识别准确率更高,更为轻量。

主 题 词：农作物 模型 病害识别 复杂背景 MobileNetV2 重参数化 轻量化 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 0901[农学-植物生产类] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.11975/j.issn.1002-6819.202304241

馆 藏 号：203124919...