|本期目录/Table of Contents|

[1]黄贻望,王国帅,毛志,等.KMeans++与注意力机制融合的苹果叶片病害识别方法[J].江苏农业科学,2024,52(20):190-198.
　Huang Yiwang,et al.Identification of apple leaf diseases in complex environments through integration of KMeans++ and attention mechanisms[J].Jiangsu Agricultural Sciences,2024,52(20):190-198.
点击复制

KMeans++与注意力机制融合的苹果叶片病害识别方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第52卷
期数:
2024年第20期
页码:
190-198
栏目:
病虫害智能检测
出版日期:
2024-10-20

文章信息/Info

Title:
Identification of apple leaf diseases in complex environments through integration of KMeans++ and attention mechanisms
作者:
黄贻望1; 2; 3;  王国帅1;  毛志1; 2;  刘声1
1.铜仁学院大数据学院/经济管理学院，贵州铜仁 554300； 2.民族教育信息化教育部重点实验/云南师范大学，云南昆明 650000；3.铜仁学院乡村振兴研究中心，贵州铜仁 554300
Author(s):
Huang Yiwang; et al
关键词:
苹果; 叶片病害; 病害检测; 注意力机制; ConvNeXtBlock; 卷积块注意力模块(CBAM); CA
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
为解决复杂环境下小尺度苹果叶片病害识别精度不高、鲁棒性不强的问题，在YOLO v5s的基础上提出一种新的改进方法。该方法首先在模型训练之前使用KMeans++聚类算法生成更接近真实框的锚框；其次在骨干网络中加入卷积块注意几模块(convolutional block attention module，CBAM)，来提升复杂环境下小目标特征的提取能力；再次为了增强颈部网络对不同大小病害多尺度特征的有效识别，选择ConvNeXtBlock模块替换C3(CSP bottleneck with 3 convolutions)模块，并在颈部网络中融入坐标注意力模块(coordinate attention，CA)，来加强模型对关键空间位置的响应，使得不同尺度的特征都能被更有效地利用；最后使用ECIoU损失函数替换原始的CIoU损失函数，来提高模型的收敛速度和精度。与Faster R-CNN、SSD、YOLO v5s、YOLO v7、YOLO v8目标检测模型相比，改进后模型的平均精度均值(mean average precision，mAP0.5)值分别提升0.6、4.6、6.3、1.7、1.3百分点，同时在强光照、模糊、暗光的复杂场景下具有较强的鲁棒性。该模型可以为复杂环境下苹果叶片病害的识别提供行之有效的方案。
Abstract:
-

参考文献/References:

［1］王壹. 中国苹果产量稳居世界第一［N］. 农民日报，2023-11-18(7).
［2］Zhang Y K，Huang S J，Zhou G X，et al. Identification of tomato leaf diseases based on multi-channel automatic orientation recurrent attention network［J］. Computers and Electronics in Agriculture，2023，205：107605.
［3］Gadekallu T R，Rajput D S，Reddy M P K，et al. A novel PCA–whale optimization-based deep neural network model for classification of tomato plant diseases using GPU［J］. Journal of Real-Time Image Processing，2021，18(4)：1383-1396.
［4］Zhang D Y，Huang Y，Wu C，et al. Detecting tomato disease types and degrees using multi-branch and destruction learning［J］. Computers and Electronics in Agriculture，2023，213：108244.
［5］鲍文霞，黄雪峰，胡根生，等. 基于改进卷积神经网络模型的玉米叶部病害识别［J］. 农业工程学报，2021，37(6)：160-167.
［6］Zeng W H，Li H D，Hu G S，et al. Lightweight dense-scale network (LDSNet) for corn leaf disease identification［J］. Computers and Electronics in Agriculture，2022，197：106943.
［7］Qian X F，Zhang C Q，Chen L，et al. Deep learning-based identification of maize leaf diseases is improved by an attention mechanism：self-attention［J］. Frontiers in Plant Science，2022，13：864486.
［8］毛锐，张宇晨，王泽玺，等. 利用改进Faster-RCNN识别小麦条锈病和黄矮病［J］. 农业工程学报，2022，38(17)：176-185.
［9］马超伟，张浩，马新明，等. 基于改进YOLO v8的轻量化小麦病害检测方法［J］. 农业工程学报，2024，40(5)：187-195.
［10］李伟豪，詹炜，周婉，等. 轻量型Yolov7-TSA网络在茶叶病害检测识别中的研究与应用［J］. 河南农业科学，2023，52(5)：162-169.
［11］曾晏林，贺壹婷，蔺瑶，等. 基于BCE-YOLO v5的苹果叶部病害检测方法［J］. 江苏农业科学，2023，51(15)：155-163.
［12］Mathew M P，Yamuna Mahesh T. Determining the region of apple leaf affected by disease using YOLO v3［C］//2021 International Conference on Communication，Control and Information Sciences. Idukki：IEEE，2021：1-4.
［13］Liu B，Zhang Y，He D J，et al. Identification of apple leaf diseases based on deep convolutional neural networks［J］. Symmetry，2017，10(1)：11.
［14］Wang Y W，Wang Y J，Zhao J B. MGA-YOLO：a lightweight one-stage network for apple leaf disease detection［J］. Frontiers in Plant Science，2022，13：927424.
［15］赵嘉威，田光兆，邱畅，等. 基于改进YOLO v4算法的苹果叶片病害检测方法［J］. 江苏农业科学，2023，51(9)：193-199.
［16］黄炜，王娟娟，殷学丽. 基于特征分离的小样本苹果病害叶片检测［J］. 江苏农业科学，2023，51(23)：195-202.
［17］李鑫然，李书琴，刘斌. 基于改进Faster R_CNN的苹果叶片病害检测模型［J］. 计算机工程，2021，47(11)：298-304.
［18］公徐路，张淑娟. 基于改进YOLO v5s的苹果叶片小目标病害轻量化检测方法［J］. 农业工程学报，2023，39(19)：175-184.
［19］孙长兰，林海峰. 一种基于集成学习的苹果叶片病害检测方法［J］. 江苏农业科学，2022，50(20)：41-47.
［20］王瑞鹏，陈锋军，朱学岩，等. 采用改进的EfficientNet识别苹果叶片病害［J］. 农业工程学报，2023，39(18)：201-210.
［21］李红光，于若男，丁文锐. 基于深度学习的小目标检测研究进展［J］. 航空学报，2021，42(7)：100-118.
［22］龙阳，肖小玲. 基于多注意力机制的苹果叶部病害检测方法［J］. 江苏农业科学，2023，51(23)：178-186.
［23］Yang Q，Duan S K，Wang L D. Efficient identification of apple leaf diseases in the wild using convolutional neural networks［J］. Agronomy，2022，12(11)：2784.
［24］Hughes D P，Salathe M. An open access repository of images on plant health to enable the development of mobile disease diagnostics throung machine learning and crowdsourcing［EB/OL］. (2016-04-12)［2023-06-10］. https://arxiv.org/abs/1511.08060.
［25］Feng J Z，Chao X F. Apple tree leaf disease segmentation dataset［DS/OL］. (2022-03-31) ［2023-06-10］. https://www.scidb.cn/en/detail?dataSetId=0e1f 57004db842f99668d82183afd578.
［26］Thapa R，Zhang K，Snavely N，et al. The Plant Pathology Challenge 2020 data set to classify foliar disease of apples［J］. Applications in Plant Sciences，2020，8(9)：e11390.
［27］Chen X L，Fang H，Lin T Y，et al. Microsoft coco captions：data collection and evaluation server［J/OL］. ［2024-03-15］. https://arxiv.org/abs/1504.00325.
［28］Loureiro C，Filipe V，Gonalves L. Attention mechanism for classification of melanomas［C］//International Conference on Optimization，Learning Algorithms and Applications，2022：65-77.
［29］Li X，Zhong Z S，Wu J L，et al. Expectation-Maximization Attention Networks for Semantic Segmentation［C］//International Conference on Computer Vision，2019.
［30］Guo M H，Liu，Z N，Mu T J，et al. Beyond self-attention：external attention using two linear layers for visual tasks［C］//IEEE Transactions on Pattern Analysis and Machine Intelligence. 2021：5436-5447.
［31］Hou Q，Zhou D，Feng J.Coordinate Attention for Efficient Mobile Network Design［C］//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021：13708-13717.
［32］Woo S，Park J，Lee J Y，et al. CBAM：convolutional block attentionmodule［C］//European Conference on Computer Vision. Cham：Springer，2018：3-19.
［33］Liu Z，Mao H Z，Wu C Y，et al. A ConvNet for the 2020s［C］//2022 IEEE/CVF Conference on Computer Vision and PatternRecognition. New Orleans，2022：11966-11976.
［34］Zhang Y F，Zhang Z，Jia Z，et al. Focal and efficient IoU loss for accurate bounding box regression［J］. Neurocomputing，2022，506(28)：146-157.
［35］曹超，顾幸生. 基于改进YOLO v8的行李追踪技术［J］. 计算机工程与应用，2024，60(9)：151-158.

相似文献/References:

[1]贾永华,李晓龙,牛锐敏,等.叶面喷锌对苹果叶片生长及产量品质的影响[J].江苏农业科学,2014,42(12):218.
　Jia Yonghua,et al.Effects of spraying zinc on leaves on leaf growth ， yield and quality of apple[J].Jiangsu Agricultural Sciences,2014,42(20):218.
[2]里程辉,刘志,王宏,等.不同化学疏花剂对岳帅苹果疏花疏果及果实品质的影响[J].江苏农业科学,2014,42(11):180.
　Li Chenghui,et al(80).Effects of different chemical flower thinners on flower thinning and fruit quality of apple “Yueshuai”[J].Jiangsu Agricultural Sciences,2014,42(20):180.
[3]王贵平,王金政.苹果抗逆性研究进展与鉴定方法[J].江苏农业科学,2013,41(07):151.
　Wang Guiping,et al.Research progress and identification method of stress resistance of apple trees[J].Jiangsu Agricultural Sciences,2013,41(20):151.
[4]李敏,厉恩茂,李壮,等.氨基酸钙叶面微肥对苹果缺素症的矫正及果实品质的影响[J].江苏农业科学,2013,41(11):180.
　Li Min,et al.Effects of calcium amino acid foliar fertilizer on apple element deficiency disease and fruit quality[J].Jiangsu Agricultural Sciences,2013,41(20):180.
[5]王贵平,王金政,薛晓敏,等.晚秋叶施高浓度尿素对苹果落叶及贮藏氮素的影响[J].江苏农业科学,2014,42(01):140.
　Wang Guiping,et al.Effects of high concentrations of foliar applied urea on defoliation and nitrogen storage of apple in late autumn[J].Jiangsu Agricultural Sciences,2014,42(20):140.
[6]宋哲,王宏,于年文,等.间伐、控冠处理对乔化凉香苹果树光合速率和果实产质量的影响[J].江苏农业科学,2016,44(05):290.
　Song Zhe,et al.Effects of thinning and crown control on photosynthesis and fruit yield and quality of Liangxiang apple trees[J].Jiangsu Agricultural Sciences,2016,44(20):290.
[7]黄金凤,王冬梅,闫忠业,等.苹果遗传图谱的构建与QTL定位研究进展[J].江苏农业科学,2016,44(02):4.
　Huang Jinfeng,et al.Construction of genetic map of apple and research progress of QTL localization[J].Jiangsu Agricultural Sciences,2016,44(20):4.
[8]苏律,宋俊霞,胡同乐,等.铁肥不同施用方式对苹果缺铁黄化病的矫正效果[J].江苏农业科学,2016,44(01):188.
　Su Lü,et al.Corrective effect of iron fertilizer with different fertilization methods on iron chlorosis of apple tree[J].Jiangsu Agricultural Sciences,2016,44(20):188.
[9]李静,宋飞虎,浦宏杰,等.苹果控制排湿压力微波干燥模型研究[J].江苏农业科学,2015,43(11):529.
　Li Jing,et al.Study on mathematical modeling of apple microwave drying under different moisture pressures[J].Jiangsu Agricultural Sciences,2015,43(20):529.
[10]廖春丽,王衡,李亚平,等.L-半胱氨酸及金属离子对马铃薯、苹果、甘薯多酚氧化酶活性的影响[J].江苏农业科学,2015,43(11):375.
　Liao Chunli,et al.Effects of L-cysteine and metal ions on activity of polyphenol oxidase from potato，apple and sweet potato[J].Jiangsu Agricultural Sciences,2015,43(20):375.
[11]曾晏林,贺壹婷,蔺瑶,等.基于BCE-YOLOv5的苹果叶部病害检测方法[J].江苏农业科学,2023,51(15):155.
　Zeng Yanlin,et al.An apple leaf disease detection method based on BCE-YOLOv5[J].Jiangsu Agricultural Sciences,2023,51(20):155.
[12]王浩宇,崔艳荣.基于改进ShuffleNet v2模型的苹果叶片病害识别方法[J].江苏农业科学,2024,52(13):214.
　Wang Haoyu,et al.Apple leaf disease identification method based on improved ShuffleNet v2 model[J].Jiangsu Agricultural Sciences,2024,52(20):214.

备注/Memo

备注/Memo:
收稿日期：2024-07-12
基金项目：国家自然科学基金(编号：62066040)；民族教育信息化教育部重点实验室开放课题(编号：EIN2024B003)；智能计算与信息处理教育部重点实验室开放课题(编号：2023ICIP05)；国家留学基金委西部地区人才培养特别项目(编号：202108525007)；铜仁市大数据智能计算与应用重点实验室项目(编号：铜仁市科研［2022］5号)；贵州省科技基础研究计划(编号：［2022］557)。
作者简介：黄贻望(1978—)，男，湖南溆浦人，博士，教授，硕士生导师，主要从事人工智能、服务计算、软件形式化方法等研究。E-mail：yjsyhyw@gztrc.edu.cn。
更新日期/Last Update: 2024-10-20