| 基于注意力残差机制的细粒度番茄病害识别 |
| |
| 引用本文： | 胡志伟,杨华,黄济民,谢倩倩.基于注意力残差机制的细粒度番茄病害识别[J].华南农业大学学报,2019,40(6):124-132. |
| |
| 作者姓名： | 胡志伟 杨华 黄济民 谢倩倩 |
| |
| 作者单位： | 山西农业大学 信息科学与工程学院,山西 太谷,030801;武汉大学 计算机学院,湖北 武汉,430072 |
| |
| 基金项目： | 国家自然科学基金 （31671571）；国家自然科学基金青年基金 （21803037） |
| |
| 摘 要： | 【目的】解决温室环境下细粒度番茄病害识别方法不足问题。【方法】以早、晚期5种番茄病害叶片为研究对象,提出一种基于注意力与残差思想相结合的新型卷积神经网络模型ARNet。通过引入多层注意力模块,层次化抽取病害分类信息,解决早期病害部位分散、特征难以提取难题;为避免网络训练出现退化现象,构建残差模块有效融合高低阶特征,同时引入数据扩充技术以防止模型过拟合。【结果】对44 295张早、晚期病害叶片数据集进行模型训练与测试的结果表明,与VGG16等现有模型相比,ARNet具有更好的分类表现,其平均识别准确率达到88.2%,显著高于其他模型。ARNet对早期病害识别准确率明显优于晚期病害,验证了注意力机制在提取细微区域特征上的有效性,且在训练过程中未发生过度抖动的状况。【结论】本文提出的模型具有较强鲁棒性和较高稳定性,在实际应用中可为细粒度番茄病害智能诊断提供参考。
|
| 关 键 词： | 细粒度 注意力机制 残差网络 卷积网络 番茄叶片 病害识别 |
| 收稿时间： | 2018/12/25 0:00:00 |
Fine-grained tomato disease recognition based on attention residual mechanism |
| |
| HU Zhiwei,YANG Hu,HUANG Jiming and XIE Qianqian.Fine-grained tomato disease recognition based on attention residual mechanism[J].Journal of South China Agricultural University,2019,40(6):124-132. |
| |
| Authors: | HU Zhiwei YANG Hu HUANG Jiming and XIE Qianqian |
| |
| Institution: | College of Information Science and Engineering, Shanxi Agricultural University, Taigu 030801, China,College of Information Science and Engineering, Shanxi Agricultural University, Taigu 030801, China,School of Computer Science, Wuhan University, Wuhan 430072, China and School of Computer Science, Wuhan University, Wuhan 430072, China |
| |
| Abstract: | |
| |
| Keywords: | fine-grained attention mechanism residual network convolutional network tomato leaf disease recognition |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《华南农业大学学报》浏览原始摘要信息 |
| 点击此处可从《华南农业大学学报》下载免费的PDF全文 |
|
