基于改进MaxViT的辣椒病害识别分类方法

doi:10.13300/j.cnki.hnlkxb.2024.02.015

华中农业大学学报 ›› 2024, Vol. 43 ›› Issue (02) : 123 -133. DOI: 10.13300/j.cnki.hnlkxb.2024.02.015

作者信息 +

Author information +

文章历史 +

PDF (30058K)

摘要

为实现复杂环境下辣椒病害的精准识别和分类，设计了一种适用于辣椒病害识别分类的方法。以辣椒在生长过程中常见的6种病害为分类研究的对象，使用数据增强的方法扩充数据集，提出一种基于MaxViT改进的MaxViT-DF模型，将MaxViT模型中的普通卷积替换为可变形卷积，使模型在提取特征时能更贴近复杂环境下的识别目标；同时在MaxViT模型施加注意力时引入特征融合模块，提高模型的全局感知能力。结果显示，改进的MaxViT-DF模型识别分类准确率达到98.10%，对6种辣椒病害的分类精度均高于95%。与ResNet-34、EfficientNetv2和VGG-16等模型相比，改进模型在收敛速度和分类精度上具有明显优势。以上结果表明，MaxViT-DF模型能够对不同种类的辣椒常见病害进行有效的分类识别。