基于改进ShuffleNetV2的花椒叶片病害识别方法OA
精准识别花椒病害可以帮助农民采取合适的措施对花椒进行对症治疗,从而减少对花椒产量和经济造成的损失.本研究选取ShuffleNetV2 模型作为基础模型对花椒叶片是否存在病害进行智能识别.为提升识别精度,在基础模型中嵌入坐标注意力机制(CA)改进主体网络架构,增强模型对重点位置信息和重要特征的关注指数,并采用迁移学习训练策略来优化模型,获得CA-ShuffleNetV2 模型.经由自建花椒叶片数据集进行实验测试,结果表明,CA-ShuffleNetV2 网络模型获得的识别准确率高达 92.6%,而参数量仅为 2.72 MB.由此表明,该模型不仅具有较高的识别精度,且能较好地平衡模型大小与识别率,为花椒叶片病害的实时检测提供了新的技术支持.
周江龙;王天一;李论;蒋宁
贵州大学 大数据与信息工程学院,贵州 贵阳 550025贵州大学 大数据与信息工程学院,贵州 贵阳 550025贵州大学 大数据与信息工程学院,贵州 贵阳 550025贵州玄德花椒产业发展有限公司,贵州 贵阳 550018
计算机与自动化
花椒叶片病害CA-ShuffleNetV2坐标注意力机制迁移学习叶片检测识别率
《物联网技术》 2025 (6)
40-44,5
贵州省科技计划项目(黔科合支撑[2021]一般176)
评论