摘要
针对水稻叶片病害类别间差异较小、容易误识别以及病害重要特征难以提取等问题,提出了一种基于改进的ConvNeXt_Tiny模型的水稻叶片病害识别方法。首先收集细菌性条斑病、云纹叶枯病、窄条斑病3类病害以及健康叶片的图像,通过对比度增强、亮度增强、图像旋转和添加椒盐噪声等数据增强方式增加样本多样性以及增强模型泛化能力。接着以ConvNeXt_Tiny模型为基础,在降采样层后面添加RFB多尺度特征提取模块,通过扩张卷积对水稻叶片病害图像产生不同大小的感受野,增强网络对叶片病害中特征信息的学习能力。然后,在stages模块后面添加Triplet注意力机制模块,用于捕捉输入张量的空间和通道维度之间的跨维度交互信息,使模型着重关注水稻叶片表面的病害特征。试验结果表明,改进后的ConvNeXt_Tiny模型在水稻叶片病害数据集上的Top-1准确率可以达到98.42%,较原模型的97.14%提升1.28百分点,优于ResNet34(97.64%)、GhostNet(94.98%)和EfficientNet v2(97.64%)等CNN网络模型。综上所述,本研究提出的改进后的ConvNeXt_Tiny模型在水稻叶片病害识别方面具有更好的特征提取能力和特征表达能力,为水稻叶片病害识别提供了一种有效的方法。
出处
《江苏农业科学》
北大核心
2025年第20期308-315,共8页
Jiangsu Agricultural Sciences
基金
国家自然科学基金面上项目(编号:62077018)。
