面向移动端的苹果叶部病虫害轻量级识别模型.pdfVIP

第 38 卷 第 6 期 农 业 工 程 学 报 Vol.38 No.6 130 2022 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2022 面向移动端的苹果叶部病虫害轻量级识别模型 1,2 1 1 1 1 1※ 3,4 刘 斌 ，贾润昌 ，朱先语 ，于 聪 ，姚卓含 ，张海曦 ，何东健 （1. 西北农林科技大学信息工程学院，杨凌 712100 ；2. 农业农村部农业物联网重点实验室，杨凌 712100 ；3. 西北农林科技大学 机械与电子工程学院，杨凌 712100 ；4. 陕西省农业信息感知与智能服务重点实验室，杨凌 712100 ） 摘 要：花叶病、斑点落叶病、褐斑病、白粉病、黄蚜、浅叶蛾和红蜘蛛是常见的苹果叶部病虫害，严重影响了苹果的 产量和品质。病虫害早期诊断和防治可以有效地控制病害传播，降低损失，保障苹果产业的健康发展。为解决现有轻量 级模型无法精准识别早期苹果叶部稀疏小病斑的问题，该研究面向资源受限的移动端设备，提出一种轻量级识别模型 ALS-Net （Apple Leaf Net using Channel Shuffle ）。在轻量化模型（ShuffleNetV2）的基础上，基于深度可分离卷积和通道 混洗构建 ALS 模块，可降低模型的计算量和参数量。其次，采用知识蒸馏策略训练模型，进一步提高网络精度。试验结 果表明，ALS-Net 的模型精度可达99.43%，且模型大小仅为 1.64 MB。移动端推理延迟为55 ms，能够有效满足实际应用 需求，并实现基于移动端的苹果叶部病虫害自动实时监测。 关键词：模型；病虫害；苹果叶片；通道混洗；知识蒸馏；轻量化；移动端实时推理 doi ：10.11975/j.issn.1002-6819.2022.06.015 中图分类号：TP181 文献标志码：A 文章编号：1002-6819(2022)-06-0130-10 刘斌，贾润昌，朱先语，等. 面向移动端的苹果叶部病虫害轻量级识别模型[J]. 农业工程学报，2022，38(6)：130-139. doi ：10.11975/j.issn.1002-6819.2022.06.015 Liu Bin, Jia Runchang, Zhu Xianyu, et al. Lightweight identification model for apple leaf diseases and pests based on mobile terminals[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(6): 130-139. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.06.015 [7] 征识别率达到 97.4% 。陈兵旗等 基于纹理矩阵计算和小 0 引 言  波变换原理设计算法，通过二值图像与原图像的匹配、 苹果是中国重要的经济作物，种植面积占世界总种