基于改进ShuffleNet v2的轻量化番茄叶片病害识别  

Lightweight disease identification for tomato leaves based on improved ShuffleNet v2

作　　者：李大华[1] 仲婷 王笋 于晓[1] Li Dahua

机构地区：[1]天津理工大学电气工程与自动化学院/天津市复杂系统控制理论与应用重点实验室,天津300384 [2]天津同实智研科技有限公司,天津300384

出　　处：《江苏农业科学》2024年第3期220-228,共9页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:61502340);天津市自然科学基金(编号:18JCQNJC01000);天津市教委科研计划(编号:2018KJ133);天津市复杂系统控制理论与应用重点实验室开放基金(编号:TJKL-CATCS-201907);天津理工大学教学基金(编号:YB20-05)。

摘　　要：番茄大面积种植导致叶片部位被病虫害侵蚀面积不一、侵蚀种类多样化等问题,为了满足在资源有限的硬件设备上实现对番茄叶片病害准确识别,提出改进ShuffleNet v2模型。首先对基本单元进行改进,提出SA-stage模块,使模型密切关注叶片相关特征信息的同时减小了参数量和计算量;其次提出LFN轻量化特征融合模块,实现浅层和深层网络的上下文信息交互;接着引入RFB-s轻量化特征增强模块,增强小目标病害的特征提取;最后将SPD-Conv代替普通卷积和最大池化层,降低图像分辨率的同时保留了番茄叶片病害小目标的细粒度信息。试验结果表明,改进ShuffleNet v2模型在10种番茄叶片病害图像上进行测试,准确率和平均召回率分别达到了96.55%、96.40%,较原模型分别提高了4.44、3.70百分点;参数量和计算量分别为348154、38.75 MB,较原模型分别减少3888、3.88 MB。相比于其他分类模型AlexNet、ResNet50、MobileNet v3等,改进ShuffleNet v2模型不仅准确率最高、参数量和计算量最小,而且权重最小,仅为1.51 MB。该研究提出的改进ShuffleNet v2模型具备在资源有限的移动设备上部署的条件,满足实时、准确地识别番茄叶片病害。

关 键 词：番茄 叶片病害 病害识别 轻量化 参数量 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程]