基于特征分离的小样本苹果病害叶片检测

Detection of apple disease leaves in small samples based on feature separation

准确检测出苹果叶片的病害有助于促进苹果保质、增产,提高果农的经济收益。针对现有苹果病害叶片检测模型精度不高的问题,提出一种基于特征分离的小样本苹果病害叶片检测算法。首先,利用VGG-16和Swin Transformer网络将苹果病害叶片映射到全局和局部特征空间,并设计了一种特征交叉融合网络来融合全局和局部特征;然后,提出一种复杂特征的细粒度特征分离方法,通过借助苹果病害叶片的文本标签和病害区域标签将融合的深度特征分离为叶片病害分类特征和叶片病害区域特征;最后,采用对比损失实现复杂特征的分离和模型端到端的优化。通过在Plant Village开源数据集上进行试验,结果表明,所提出方法可以实现96.35%的精准率、95.76%的召回率和96.02%的F1分数,相比当前经典的目标分类模型,所提出模型综合性能表现良好。此外,该模型的提出为苹果病害叶片的细粒度分类提供一种新的思路,并且可以为田间农作物病害检测系统提供技术支撑。