耦合全局与局部特征的苹果叶部病害识别模型.pdfVIP

第 38 卷 第 16 期 农 业 工 程 学 报 Vol.38 No.16 2022 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2022 207 耦合全局与局部特征的苹果叶部病害识别模型 李大湘，曾小通，刘 颖 （西安邮电大学通信与信息工程学院，西安 710121 ） 摘 要：为充分利用苹果叶部病害图像类间差异小且类内差异大的特点，该研究基于全局与局部特征的交互式耦合对特 征提取方法进行了优化，设计出一种苹果叶部病害识别模型。首先，在全局特征提取分支设计了一个注意力融合模块， 以融合通道和空间上的信息而增强卷积提取到的特征图，并由增强后的特征图生成全局特征以及注意力激活图；然后， 在局部特征提取分支，利用注意力激活图的引导，设计了一个裁剪模块对原图像进行裁剪，以得到可能包含病害信息的 图像块且嵌入生成局部特征；最后，通过设计多头交叉注意力特征耦合模块，实现全局特征和局部特征的双向交叉耦合。 基于苹果病害图像数据集的试验结果表明，将全局与局部特征进行交互耦合能有效提升模型对苹果叶部病害图像的特征 提取能力，其识别准确率可达到 98.23%，且较之单纯的局部或全局特征提取分支，准确率分别提高了 3.39 与 4.61 个百 分点，所提模型可用于实现自然场景下的苹果叶部病害自动识别。 关键词：计算机视觉；苹果叶；病害；图像识别；交叉注意力特征耦合；卷积神经网络 doi ：10.11975/j.issn.1002-6819.2022.16.023 中图分类号：TP391.4 ；S431.9 文献标志码：A 文章编号：1002-6819(2022)-16-0207-08 李大湘，曾小通，刘颖. 耦合全局与局部特征的苹果叶部病害识别模型[J]. 农业工程学报，2022，38(16)：207-214. doi ：10.11975/j.issn.1002-6819.2022.16.023 Li Daxiang, Zeng Xiaotong, Liu Ying. Apple leaf disease identification model by coupling global and patch features[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 207-214. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.16.023 对田间玉米叶病害图像进行分割和特征提取，最后采用 0 引 言  概率神经网络进行病害识别，识别率达到 90.4% 。尽管这 2020 年，中国苹果产量达到了 4 407 万 t ，已经成为 些机器学习方法在特定病害识别上取得了理想的识别精 世界最大的苹果生产国与消费国，其生产和消费规模均占 度，但这些方法的精度在很大程度上依赖于提取的颜色、 [1] 。苹果树在种植过程中常见的病害主要有 全球 50% 以上 纹理与形状等特征，由于同种病害在不同发病阶段病症 斑点落叶病、褐斑病、花叶病、灰斑病与锈病等，而传统 差异明显，且多种病害又可能表现出相似的病理特点， 的苹果叶部病害识别主要是依靠具有专业知识的病虫害 这些原因不但导致传统