基于残差注意力网络的马铃薯叶部病害识别

徐岩; 李晓振; 吴作宏; 高照; 刘林

doi:10.16452/j.cnki.sdkjzk.2021.02.009

山东科技大学学报（自然科学版） ›› 2021, Vol. 40 ›› Issue (02) : 76 -83. DOI: 10.16452/j.cnki.sdkjzk.2021.02.009

基于残差注意力网络的马铃薯叶部病害识别

徐岩, 李晓振, 吴作宏, 高照, 刘林

作者信息 +

Author information +

文章历史 +

PDF (2248K)

摘要

马铃薯叶部病害严重制约着马铃薯的产量,为此提出了一种基于注意力和残差思想的深度卷积神经网络模型RANet。依据注意力机制,在RANet中构建并行池化的注意力模块,以增强网络的特征提取能力,并借助残差思想避免注意力模块造成的特征值衰减。以早疫病初期、早疫病晚期、晚疫病初期、晚疫病晚期和健康叶片的叶部图像为研究对象,RANet的平均识别率为93.86%,比ResNet50、VGG16、ShuffleNet和MobileNet高2.46%～16.13%。通过对注意力模块参数量的控制,使该模型图像识别速度可达73ms/张。