融合双分支特征和注意力机制的葡萄病虫害识别模型.pdfVIP

第 38 卷 第 10 期 农 业 工 程 学 报 Vol.38 No.10 156 2022 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2022 融合双分支特征和注意力机制的葡萄病虫害识别模型 1 1 2※ 彭红星 ，徐慧明 ，刘华鼐 （1. 华南农业大学数学与信息学院，农业农村部华南热带智慧农业技术重点实验室，广州市智慧农业重点实验室，广州 510642 ； 2. 华南理工大学化学与化工学院，广州 510641 ） 摘 要：葡萄病虫害识别是精细化防治的前提。针对现有研究中存在的数据集少、识别精度低、模型参数量大等问题， 该研究构建包含健康叶片、3 类病害叶片和 16 类虫害的葡萄病虫害数据集，提出基于改进 MobileNet V2 模型的葡萄病虫 害识别模型。首先在 MobileNet V2 模型的反向残差模块中嵌入坐标注意力（Coordinate Attention，CA ）机制，提升模型 的信息表征能力；然后使用深度可分离卷积设计双分支特征融合模块，加强模型的特征提取能力；最后对模型的通道数 进行调整，精简模型结构。试验结果表明：MobileNet_Vitis 在葡萄病虫害数据集上的识别准确率和 F1 分数为 89.16%和 80.44%，相比改进前的 MobileNet V2 提高了 1.83 和 9.31 个百分点，而模型参数大小为 7.85 MB，减少了 8.5%。与 ResNet 101、ShuffleNet V2、MobileNet V3 和 GhostNet 相比，MobileNet_Vitis 的识别精度和 F1 分数更高，参数量更小。 MobileNet_Vitis 对单张葡萄病虫害图像的推理时间为 17.53 ms，可以达到快速识别的要求。该研究提出的模型能够较好 地识别葡萄病虫害，并且较大幅度地减少模型的参数量。将 MobileNet_Vitis 模型部署到移动端的小程序上，可为葡萄病 虫害的防治提供帮助。 关键词：病虫害；图像识别；葡萄；MobileNet V2；双分支特征融合；坐标注意力机制 doi ：10.11975/j.issn.1002-6819.2022.10.019 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2022)-10-0156-10 彭红星，徐慧明，刘华鼐. 融合双分支特征和注意力机制的葡萄病虫害识别模型[J]. 农业工程学报，2022，38(10)： 156-165. doi ：10.11975/j.issn.1002-6819.2022.10.019 Peng Hongxing, Xu Huiming, Liu Huanai, et al. Model for identifying grape pests and diseases based on two-branch feature fusion and attention mechanism[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(10): 156-165. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.10.019 3 646 张从公共数据集中采集的图像，建立了一个包含 6 0 引 言 