改进残差网络甜瓜叶片病害的识别研究

针对甜瓜叶片不同程度的病害识别研究较少,人工检测实时性差且存在识别准确率较低等问题,提出了一种基于改进残差网络模型的甜瓜叶片病害识别方法。将传统的ResNet50模型作为骨干网络,将ReLU激活函数替换为ELU激活函数;将ResNet50的模型的第一层卷积中的7×7卷积核替换成Incption结构,在全连接层之后加入Dropout层,增强模型的表达能力并缓解过拟合问题;引入多头自注意力机制(MHSA),提高模型的泛化能力。进行数据预处理,将训练集与测试集的比例划分为7∶3,采用数据增强的方式对小样本数据集进行扩充。实验结果表明:改进的残差网络模型准确率与原模型相比提高了1.03个百分点,识别准确率达到98.72%且模型参数量为19.3MB。与其他网络模型相比准确率大幅提升,可以为甜瓜叶片病害的高效识别和及时预防治理提供参考。