基于改进MaxViT的辣椒病害识别分类方法

作     者：李西兴 陈佳豪 吴锐 杨睿 LI Xixing;CHEN Jiahao;WU Rui;YANG Rui

作者机构：湖北工业大学机械工程学院/湖北工业大学现代制造质量工程湖北省重点实验室武汉430068 

基　　金：国家自然科学基金项目(51805152) 湖北工业大学绿色工业引领计划项目(XJ2021005001) 湖北省自然科学基金项目(2022CFB445) 湖北省重点研发计划项目(2021BAA203) 

出 版 物：《华中农业大学学报》 (Journal of Huazhong Agricultural University)

年 卷 期：2024年第43卷第2期

页      码：123-133页

摘      要：为实现复杂环境下辣椒病害的精准识别和分类,设计了一种适用于辣椒病害识别分类的方法。以辣椒在生长过程中常见的6种病害为分类研究的对象,使用数据增强的方法扩充数据集,提出一种基于MaxViT改进的MaxViT-DF模型,将MaxViT模型中的普通卷积替换为可变形卷积,使模型在提取特征时能更贴近复杂环境下的识别目标;同时在MaxViT模型施加注意力时引入特征融合模块,提高模型的全局感知能力。结果显示,改进的MaxViT-DF模型识别分类准确率达到98.10%,对6种辣椒病害的分类精度均高于95%。与ResNet-34、EfficientNetv2和VGG-16等模型相比,改进模型在收敛速度和分类精度上具有明显优势。以上结果表明,MaxViT-DF模型能够对不同种类的辣椒常见病害进行有效的分类识别。

主 题 词：MaxViT-DF 辣椒病害分类 可变形卷积 特征融合 深度学习 

学科分类：08[工学] 080203[080203] 09[农学] 0904[农学-动物医学类] 0802[工学-机械学] 090401[090401] 090402[090402] 

核心收录：

D　O　I：10.13300/j.cnki.hnlkxb.2024.02.015

馆 藏 号：203127325...