马铃薯叶部病害的准确检测和识别对于精准防治病虫害至关重要,能够有效提高马铃薯产量,但由于马铃薯叶部的早疫病和晚疫病在早期表现上非常相似,很难区分。为了更准确地对马铃薯叶部病害进行检测识别,本文提出了一种基于位置编码和并行...马铃薯叶部病害的准确检测和识别对于精准防治病虫害至关重要,能够有效提高马铃薯产量,但由于马铃薯叶部的早疫病和晚疫病在早期表现上非常相似,很难区分。为了更准确地对马铃薯叶部病害进行检测识别,本文提出了一种基于位置编码和并行注意力机制的Conv Ne Xt模型。首先对数据集进行位置编码预处理,使网络模型无需加载预训练权重即可获取病害部位的位置信息,提高学习能力;其次针对不同病害空间分布位置不同以及形态特征的细微差异,添加并行注意力机制BAM模块增强对病害特征的提取能力。实验结果表明:优化后的ConvNeXt模型能够准确检测并对不同病害进行分类识别,较原ConvNeXt模型Top-1准确率最高提高约5个百分点,能够满足目前马铃薯叶部病害准确识别方面的需求,有良好的鲁棒性,可以泛化在其他植物种类上。展开更多
文摘马铃薯叶部病害的准确检测和识别对于精准防治病虫害至关重要,能够有效提高马铃薯产量,但由于马铃薯叶部的早疫病和晚疫病在早期表现上非常相似,很难区分。为了更准确地对马铃薯叶部病害进行检测识别,本文提出了一种基于位置编码和并行注意力机制的Conv Ne Xt模型。首先对数据集进行位置编码预处理,使网络模型无需加载预训练权重即可获取病害部位的位置信息,提高学习能力;其次针对不同病害空间分布位置不同以及形态特征的细微差异,添加并行注意力机制BAM模块增强对病害特征的提取能力。实验结果表明:优化后的ConvNeXt模型能够准确检测并对不同病害进行分类识别,较原ConvNeXt模型Top-1准确率最高提高约5个百分点,能够满足目前马铃薯叶部病害准确识别方面的需求,有良好的鲁棒性,可以泛化在其他植物种类上。