改进RegNet识别多种农作物病害受害程度.pdfVIP

下载本文档

3
0
约5.92万字
约 9页
2023-08-03 发布于新疆
举报
版权申诉

改进RegNet识别多种农作物病害受害程度.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 38 卷第 15 期农业工程学报 Vol.38 No.15 150 2022 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2022 改进 RegNet 识别多种农作物病害受害程度 ※ 杜甜甜，南新元，黄家興，张文龙，马志侠（新疆大学电气工程学院，乌鲁木齐 830017 ）摘要：针对传统农作物病害识别方法效率低、受害程度识别不准确的问题，提出了一个基于深度迁移学习和改进 RegNet 的多种农作物病害受害程度识别模型。该模型首先在RegNet 输入端进行在线数据增强，用以提高训练样本的多样性；其次在模型的特征提取层引入了有效通道注意力机制，用以提高模型的特征提取能力；然后在模型的分类层引入多尺度特征融合策略，用以提高模型对细粒度特征的分类能力；最后使用深度迁移学习来优化模型的整体性能，加快模型的收敛速度，提高模型的泛化能力。试验结果表明，改进后的网络模型在农作物病害受害程度数据集上准确率达到了 94.5%，相较于 RegNet 原模型准确率提高了 10.4 个百分点。改进后的模型具有更好的特征提取能力，对细粒度特征有更强的分类能力，该模型为农作物病害类型及其受害程度的识别提供了一种有效方法。关键词：农作物；模型；病害；RegNet；ECA 注意力机制；多尺度特征融合；迁移学习 doi ：10.11975/j.issn.1002-6819.2022.15.016 中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2022)-15-0150-09 杜甜甜，南新元，黄家興，等. 改进RegNet识别多种农作物病害受害程度[J]. 农业工程学报，2022，38(15)：150-158. doi ：10.11975/j.issn.1002-6819.2022.15.016 Du Tiantian, Nan Xinyuan, Huang Jiaxing, et al. Identifying the damage degree of various crop diseases using an improved RegNet[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(15): 150-158. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.15.016 结合，用以提高玉米叶部病害的识别准确率。Zhou 等[1] 0 引言  提出了一种重构残差密集网络用来识别