基于知识蒸馏的棉花病害分类轻量化算法改进.pdfVIP

江苏农业科学２０２５年第５３卷第５期—１９５—

蔡国庆，吴建军，祝玉华，等．基于知识蒸馏的棉花病害分类轻量化算法改进［Ｊ］．江苏农业科学，２０２５，５３（５）：１９５－２０２．

ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２５．０５．０２３

基于知识蒸馏的棉花病害分类轻量化算法改进

蔡国庆，吴建军，祝玉华，甄彤，李智慧

（河南工业大学信息科学与工程学院，河南郑州４５０００１）

摘要：本研究旨在设计一种轻量化的棉花病害分类模型，以解决深度学习模型在便携设备上部署时面临的计算复

杂度和资源限制问题。针对棉花叶片常见病害，提出一种基于知识蒸馏的轻量化算法，知识蒸馏的核心是将复杂的大

模型（教师模型）的知识有效传递到参数更少的轻量模型（学生模型）中。为提高教师模型的性能与学生模型的学习

效率，首先对教师模型进行轻量化优化，采用ＲｅｓＮｅｔ５０作为基础模型，通过引入倒置残差块和ＥＣＡ注意力机制，降低

了模型的内存占用和计算复杂度。此外，采用混合精度训练策略以加速模型的训练过程。基于优化后教师模型的结

构设计和轻量化策略，设计出参数更少、计算复杂度更低的学生模型。通过知识蒸馏后，学生模型在测试集上的准确

率达到９６．８％，内存占用仅为２．１ＭＢ，在多个公开数据集上依然保持了９０％以上的分类准确率，展现了良好的泛化

能力和稳定性。综上，本研究提出的模型轻量化改进方法在大幅降低模型复杂度的基础上，保持了优秀的性能，实现

了高性能与轻量化设计的平衡，为在资源受限环境下实现高效、精确的农作物病害检测提供了一种可行的解决方案。

关键词：病虫害检测；知识蒸馏；深度学习；轻量化模型

中图分类号：ＴＰ３９１．４１；Ｓ１２６文献标志码：Ａ文章编号：１００２－１３０２（２０２５）０５－０１９５－０８

棉花及其加工产品在服装、日用品、医疗和食存在严重的局限性。深度学习的快速发展增强了

品等多个领域有着广泛应用。因此，棉花不仅是一机器视觉在物体识别和分类方面的能力，目前通过

种重要的经济作物，同时也是关键的战略物资。病深度神经网络分类农作物病虫害已经成为了一个

［１］

害是导致棉花减产的主要因素之一，为了尽可能重要的研究方向，基于机器视觉的检测设备已经在

减少生产损失并提高棉花的产量和质量，实施有效［２］

农业生产中初步应用，代替了一部分人工劳动。

的病害检测措施至关重要。传统的人工检测方法黄晓宇等提出ＩＭＳ－Ｃａｓｃａｄｅ模型，通过多尺度

级联和特征反馈提高番茄病害识别精度，平均准确

收稿日期：２０２４－０９－０６

［３］

基金项目：国家重点研发计划（编号：２０２２ＹＦＤ２１００２０２）；国家重大科率９９．３６％。代东南等提出ＩＣＡ－ＭｏｂｉｌｅＮｅｔｖ２

技专项（编号：

２０１８ＹＦＤ０４０１４０４）；河南省教育厅自然科学项目（编模型，嵌入坐标注意力模块提升樱桃缺陷检测精

号：２４Ａ５２００１３）；河南工业大学粮食信息处理中心科研平台开放课［４］

度，平均准确率９７．０９％。时雷等提出ＯＣＥ－

题（编号：ＫＦＪＪ２０２３００１）。