基于多尺度注意力残差网络MSA-ResNet的农作物病害识别.pdfVIP

第22 卷 第4 期 软件导刊 Vol. 22 No . 4 2023 年4 月 Software Guide Apr. 2023 基于多尺度注意力残差网络MSA-ResNet的 农作物病害识别 1 1 2 张 净 ，李 进 ，刘晓梅 （1. 江苏大学 电气信息工程学院，江苏 镇江 212013 ；2. 江苏科茂信息技术有限公司，江苏 镇江 212001 ） 摘 要： 针对现有农作物病害图像识别方法识别准确率低、网络模型规模大等问题，提出一种基于多尺度注意力残 差网络 MSA-ResNet 的农作物叶片病害识别方法。首先，利用多尺度卷积层提取不同尺度的病害特征，拓展网络宽 度，并在不损失网络性能的前提下，利用深度可分离卷积代替网络结构中的部分标准卷积，减小模型规模；其次，利用 注意力机制模块提升有效病害特征的表达，削弱无关特征的影响；最后，对不同通道进行多尺度特征融合，提取到丰 富的病害特征，提升模型准确率。实验结果表明，改进后的多尺度残差网络MSA-ResNet 在AI Challenger 数据集上取 得了较好性能，识别准确率达到89.93% ，模型大小为30.5MB ，在模型识别准确率与模型规模之间取得了较好平衡。 关键词： 病害识别；残差网络；多尺度卷积；深度可分离卷积；注意力机制 DOI ：10. 11907/rjdk. 221265 开放科学（资源服务）标识码（OSID ）： 中图分类号：TP391.4 文献标识码： A 文章编号：1672-7800 （2023 ）004-0148-08 Crop Diseases Recognition Based on Multi-scale Attention Residual Network 1 1 2 ZHANG Jing ， LI Jin ， LIU Xiao-mei （1. School of Electrical and Information Engineering ，Jiangsu University ，Zhenjiang 212013 ，China ； 2. Jiangsu Kemao Information Technology Co ．，Ltd ．，Zhenjiang 212001 ，China） Abstract ： Aiming at the problems of low recognition accuracy and large scale network models of existing crop disease image recognition meth ‐ ods ， a crop leaf disease recognition method based on MSA-ResNet （Multi-scale Attention Residual Network ）is proposed. Firstly ， the multi- scale convolutional layer is used to extract different sca