基于可分离扩张卷积和通道剪枝的番茄病害分类方法  

Tomato disease classification method based on separable dilated convolution and channel pruning

作　　者：姜晟久 钟国韵[1] Jiang Shengjiu

机构地区：[1]东华理工大学信息工程学院,江西南昌330013

出　　处：《江苏农业科学》2024年第2期182-189,共8页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:62162002);江西省主要学科学术和技术带头人领军人才项目(编号:20225BCJ22004)。

摘　　要：为了实现番茄病害的快速检测,针对传统卷积神经网络病害分类方法参数量大、对算力要求高的问题,提出了一种基于可分离扩张卷积和通道剪枝的番茄病害分类方法。基于MobileNet v2,提出了一种可分离扩张卷积块,在不增加网络参数的情况下,扩大网络的感受野,提升网络提取番茄叶部病害特征的能力。然后替换PReLU激活函数,避免产生梯度弥散问题。同时能够更好地处理图像,提高网络对番茄叶部病害负值特征信息的提取能力,具有更好的鲁棒性。最后,使用通道剪枝技术,引入缩放因子联合权重损失函数,分辨相对不重要的通道,并对其进行裁剪,再对剪枝后的网络进行微调并重复以上步骤,在大幅减少网络参数量的同时,不影响网络的性能。在数据集上的结果表明,研究方法在网络参数量仅为0.7 M的情况下,准确率达到了96.44%,精确率达到了96.36%。与目前主流轻量化网络MobileNet v3、GhostNet、ShuffleNet v2相比,模型准确率分别提高了0.45、0.77、0.24百分点,同时模型参数量分别仅为以上模型的12.96%、13.46%、30.43%,模型更轻量且准确率更高。

关 键 词：番茄病害 可分离扩张卷积 通道剪枝 MobileNet v2 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]