植物研究

植物保护论文_基于轻量级残差网络的植物叶片病 

来源:植物研究 【在线投稿】 栏目:期刊导读 时间:2022-01-27

文章摘要:针对基于卷积神经网络的植物叶片病害识别方法存在网络参数众多,计算量大且复杂的问题,结合植物叶片病害特征,提出了一种基于轻量级残差网络(Scale-Down ResNet)的植物叶片病害识别方法。网络基于Residual Network(ResNet),通过缩减网络卷积核数目和轻量级残差模块(SD-BLOCK),在大幅减少网络参数、降低计算复杂度的同时保持了低识别错误率,然后加Squeeze-and-Excitation模块进一步降低识别错误率。在PlantVillage数据集上实验表明,在网络参数量0.08M,计算量55MFLOPs的情况下,模型识别错误率为0.55%。当参数量达到0.28M,计算量176MFLOPs时,模型识别错误率为0.32%,低于ResNet-18,并且参数约为其1/39,计算量约为其1/10。相比MobileNet V3和ShuffleNet V2,所提网络模型更为轻量,识别错误率更低。同时网络在自建苹果叶片病害数据集上获得了1.52%的低识别错误率。

文章关键词:

项目基金: