基于CNN与注意力机制的草莓病害识别与分割算法研究.pdfVIP

摘要

草莓，作为中国重要的经济果实，其种植面积和产量不断增长，对农民的

收入起到了显著的促进作用。不过，草莓病害的频繁发生已成为制约其产业发

展的主要障碍。目前，草莓病害的识别和防治主要依赖于果农的经验和肉眼观

察，这种方法存在局限性，可能导致误诊和治疗延误，从而影响草莓的整体产

量。因此，快速、准确地识别和防治草莓病害对于减少经济损失、保障草莓产

业健康发展具有重要意义。本文先聚焦于草莓叶片病害图像的分类的算法研

究，目的是为了快速并准确地鉴别不同种类的叶片病害；为了深入了解病害的

具体位置和范围，本研究进一步扩展到对整个草莓植株病害图像的细致语义分

割分析。论文的主要研究内容如下：

（1）设计一种融合ResNet34和SwinTransformer网络的Swin-ResNet草

莓叶片病害识别网络。首先，在ResNet34中引入了通道和空间注意力（CBAM）

模块，提升模型图像特征的感知能力；此外，还在模型中添加了空间分组增强

（SGE）模块，进一步提升模型对复杂图像空间特征的表达能力。最后再使用

了结合KL散度与交叉熵的损失函数，提高模型的分类准确度。在训练过程中，

通过角度干扰、光线干扰、噪声干扰及颜色空间干扰等多样化的数据增强技术

对训练数据集进行了扩充，并利用迁移学习策略以提升模型性能和加速收敛过

程。实验结果表明，所提出的Swin-ResNet网络在草莓叶片病害识别任务中达

到了95.875%的准确率，相较于其他经典深度学习分类网络效果更佳。

（2）基于对病害具体位置和范围深入分析的需求，本研究进一步设计了

基于注意力机制的改进UNet草莓病害语义分割模型。首先，在编码器中加入

CNN-Transformer混合结构，增强全局信息与局部细节信息的特征提取能力。

其次，在解码器中将Dualup-sample模块替换传统上采样，提高特征提取能力

与分割精度。再使用Hard-Swish激活函数代替ReLU激活函数，更加平滑的

曲线有助于提高泛化性和非线性特征提取能力，防止梯度消失。最后，通过使

用结合交叉熵Dice损失函数，加强模型对分割结果的约束，进一步提升分割

精度。语义分割像素精度达到92.56%，平均交并比达到84.97%。实验结果表

明，本文的改进UNet在草莓病害语义分割方面，能实现更好的分割效果，优

于大多数分割模型。

关键词：病害识别；语义分割；迁移学习；通道与空间注意力；数据增强

ABSTRACT

Strawberries,asanimportanteconomicfruitinChina,haveseenacontinuous

growthincultivationareaandyield,significantlyboostingfarmersincome.

However,thefrequentoccurrenceofstrawberrydiseaseshasbecomeamajor

constraintontheindustrysdevelopment.Currently,theidentificationand

treatmentofstrawberrydiseasesmainlyrelyonfarmersexperienceandvisual

observation,whichhasitslimitationsandmayleadtomisdiagnosisanddelayed

treatment,thusaffectingtheoverallyieldofstrawberries.Therefore,therapidand

accurateidentificationandtreatmentofstrawberrydiseasesarecrucialfor

reducingeconomic