基于轻量化神经网络的葡萄叶部病害检测装置研制

Development of grape leaf disease detection device based on lightweight neural network

葡萄叶部病害判别对于葡萄病害防治至关重要,如何快速准确判别葡萄叶部病害并采取相应防治措施对于现代葡萄生产管理具有重要指导意义。因此,为了满足果园葡萄叶部病害的快速识别与检测需求,研制了一款葡萄叶部病害快速识别与检测装置。首先,对原SqueezeNet进行改进,利用3×3卷积替换7×7卷积并减少其数量,同时调整Fire模块中1×1与3×3卷积核比例以及Fire模块位置,以达到降低模型内存需求、参数量的目的。然后,利用采集的葡萄病害图像训练改进模型,并与原模型进行对比分析。最后,将改进模型量化后部署在树莓派4B上进行识别与检测试验。试验结果表明,改进后的SqueezeNet模型内存需求、参数量分别由2.46 MB、125万减少为0.52 MB、64万。与原模型相比,改进模型特征提取能力未出现明显下降,其识别准确率可达99.04%,仅比原模型低0.32百分点。对于真实环境下拍摄的葡萄叶片图像,所研制的葡萄叶部病害快速检测装置识别准确率可达95.75%,视频检测速度可达86帧/s。该装置能够满足果园葡萄病害快速识别与检测需求,可为现代果园葡萄病虫害检测与精准施药作业提供技术支持。