基于多尺度双注意力网络的植物病虫害识别

作     者：常开心 侯彦东 陈政权 李泉龙 CHANG Kai-xin;HOU Yan-dong;CHEN Zheng-quan;LI Quan-long

作者机构：河南大学人工智能学院河南郑州450000 河南大学计算机与信息工程学院河南开封475000 

基　　金：河南大学研究生培养创新与质量提升行动计划(SYLYC2022081) 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2024年第41卷第4期

页      码：175-179页

摘      要：植物病虫害问题是农业上的重大难题,准确识别植物病虫害是农业病虫害预防和治理的关键步骤。经验丰富的植物病理专家通过观察叶片状态来进行诊断,不仅费时、费力,对于农民来说还需要付很大的成本来联系专家。因此,在ResNet模型的基础上设计了一种高效的多尺度双注意力模型(Multiscale Dual Attention Network)的植物病虫害识别方法。首先,通过多尺度卷积获取不同尺度的子特征图,然后,使用空间注意力和通道注意力对输入叶片重要特征进行加权处理。深度提取叶片图像中重要的全局特征和局部特征,快速准确的对植物病害进行识别。实验结果表明,在AI Challenge2018的植物病害数据集中,MDANet获得了90.2%的准确率,与其它卷积神经网络模型相比有着明显的优势。

主 题 词：病虫害识别 多尺度注意力机制 卷积神经网络 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1006-9348.2024.04.032

馆 藏 号：203127429...