基于改进RegNet网络的玉米叶片病害识别研究  

Identification of maize leaf diseases based on improved RegNet network

作　　者：张澳雪 崔艳荣[1] 李素若[2] 陈华锋[2] 胡玉荣[2] 胡蓉华[1] Zhang Aoxue

机构地区：[1]长江大学计算机科学学院,湖北荆州434000 [2]荆楚理工学院计算机工程学院,湖北荆门448000

出　　处：《江苏农业科学》2024年第11期216-224,共9页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金面上项目(编号:62077018);中国高校产学研创新基金(编号:2021FNA01006)。

摘　　要：针对目前玉米叶片病害识别模型参数量大、移动端部署难、识别准确率不够高等问题,提出一种基于轻量化网络RegNet和迁移学习的识别方法,首先收集4类常见玉米叶片病害图像样本,通过平移、镜像、旋转等方式对图像进行处理,以增加图片数量,提升模型识别和泛化能力。接着以轻量化网络RegNet为主体,采用Inception A结构对stem中的3×3卷积进行替换,增加模型宽度,以分解卷积的形式对玉米叶片病害进行多尺度特征提取。最后在head中引入金字塔池化模块(pyramid pooling module,PPM),用于减少空间信息丢失,保留病害重要特征和细节。试验结果表明,改进后的模型相比RegNet,Top-1准确率提升1.26百分点,平均精确率提升1.34百分点,平均F1分数提升1.33百分点,平均召回率提升1.34百分点,参数量只增加了0.89×10^(6),改进后的模型具有更好的特征提取能力,该模型为玉米叶片病害类型的识别提供了一种有效的方法。

关 键 词：玉米 叶片病害 图像分类 RegNet Inception v3 金字塔池化 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] S126[自动化与计算机技术—计算机科学与技术]