基于P-MobileViT网络的小麦病害分类研究  

Study on wheat disease classification based on P-MobileViT network

作　　者：彭思绘 汪宇玲[1] Peng Sihui

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20期260-267,共8页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:62066003);国家留学基金(编号:CSC202208360143);江西省研究生创新专项资金(编号:YC2022-s626)。

摘　　要：针对小麦病害图像分类方法的识别准确率不理想、模型参数量大等问题,提出一种基于P-MobileViT的小麦病害分类模型。首先对小麦图像进行健康和病害二分类,融合Grabcut算法、大律法对小麦病害图像的病斑区域进行分割;然后将病斑图像输入P-MobileViT分类模型,在其block的局部表征模块中引入深度卷积提取病斑图像的局部特征,在全局表征模块使用PoolFormer结构提取全局特征,以减少模型计算量和参数量;将输入特征图和全局特征叠加后与局部特征进行融合,从而强化模型对特征的分类能力。与经过迁移学习的轻量级深度学习模型MobileViT、ShuffleNet v2、MobileNet v3、GhostNet、EfficientNet v2在公开小麦病害数据集上进行试验对比,结果表明,P-MobileViT模型的准确率达到97.2%,比MobileViT模型高出了2.0百分点,同时参数量、推理时间分别减少了23.1%、31.6%;与其中准确率较高的模型MobileNet v3、GhostNet相比,P-MobileViT模型的准确率也分别提高3.1、3.3百分点,参数量分别减少58.3%、61.5%。在小麦病害分类任务中,P-MobileViT模型实现了识别精度的提升,有效减少了识别时间开销,且降低了模型复杂度。

关 键 词：小麦病害 病害分类 MobileViT 图像分割 PoolFormer 

分 类 号：S126[农业科学—农业基础科学] TP391.41[自动化与计算机技术—计算机应用技术]