基于自适应特征融合的番茄叶病害识别方法

图像分类技术在农业领域应用广泛,尤其在病害检测和分类方面,相比传统的人工方法更高效和准确。传统的特征融合方法采用固定的加权操作来增强局部特征,并抑制干扰特征的表达,但病害类别图片的差异影响模型泛化能力,导致分类效率和准确率较低。为此,提出一种基于多层自适应特征融合的番茄叶病害识别方法,先通过数据增强算法对数据集进行增强,缓解数据样本量不足、类别不平衡的问题;然后利用特征增强捕捉关键特征,再通过自适应权重的特征融合,以此实现番茄叶病害类别的精准识别。本方法对番茄叶病害图像识别准确率达到99.67%,对比其他InceptionV3、ResNet50等深度网络模型,识别准确率提高2.07%~15.33%。本方法实现对番茄叶病害的图像精准识别,为番茄等农作物病害的识别技术提供思路与方法。