一种基于图像分类与目标检测协同的番茄细粒度病害识别方法

A novel method for tomato fine-grained disease recognition based on image classification and target detection

番茄病虫害细粒度识别在实际农业生产中具有重要意义,其不仅能够及时、精准地发现病虫害,减少农业损失,而且有利于治疗过程中的精准用药,能够提升食品安全、减少环境污染。为了进一步提高番茄细粒度病虫害识别的精确度,创新性地提出了一种将图像分类技术与目标检测技术协同融合的细粒度病虫害识别方法,该方法由预处理模块、检测模块、分类模块、融合模块4个部分组成,其中检测模块在目标检测模型基础上增加了检测小目标的特征图,以提高对小病斑的检测能力,并通过设置阈值的方式引入了农作物病害的细粒度向量。分类模块对图像分类模型的下采样层进行改进,减少了病害图片像素的丢失。融合模块设计实现了一种将2类技术融合的方法,从而达到更好的细粒度识别效果。试验结果表明,该方法在番茄的16类细粒度病害识别中,相较于3组单纯依赖图像分类技术的方法,整体识别准确率分别提升了1.58百分点、1.90百分点、2.25百分点,细粒度识别准确率提升了0.28百分点、0.83百分点、1.19百分点。综上,本研究提出的协同方法在番茄细粒度识别中,效果明显优于传统图像分类方法,能够为农业生产起到更大的帮助作用。