-
题名基于改进残差网络的农作物病虫害检测研究
被引量:1
- 1
-
-
作者
白雪松
吴建平
景文超
崔亚楠
康小霖
-
机构
云南大学信息学院
云南省电子计算中心
云南省高校数字媒体技术重点实验室
-
出处
《计算机技术与发展》
2023年第5期145-151,共7页
-
基金
云南省重大科技专项计划项目(202002AD080001)
云南大学第一届专业学位研究生实践创新项目(2021Y183)。
-
文摘
针对病虫害症状相似导致类间差异小、难以区分的问题,提出一种基于Res2NeXt50改进模型的农作物病虫害检测算法。首先,在Res2Net50模型中进行分组卷积得到Res2NeXt50模型,提高了模型在细粒度层面的特征提取能力。然后,将7×7卷积换成新的混合卷积,提取局部和全局特征;使用高斯误差线性单元(Gaussian Error Linear Unit,GELU)函数代替残差块中的修正线性单元(Rectified Linear Unit,ReLU)函数,提高鲁棒性;改进下采样来增强信息流通性;调整网络层数,以减少模型计算量。其次,在训练中使用标签平滑(Label Smoothing)和指数移动平均(Exponential Moving Average,EMA)来提高模型的泛化能力。在重组的AI Challenger 2018农作物病虫害数据集上进行实验,结果表明改进模型的准确率高达98.79%,参数量为18.20M,FLOPs为3.73G。同时,该模型在Plantvillage和Plant_leaves数据集中分别达到了99.89%和99.23%的准确率。所提出的算法模型识别准确率高,泛化能力强,更符合实际应用需求。
-
关键词
农作物病虫害
卷积神经网络
res2next50
混合卷积
标签平滑
细粒度特征
-
Keywords
crop disease and insect pest
convolutional neural network
res2next50
mixed convolution
label smoothing
fine-grained feature
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-