[1]张明杰,朱节中,杨再强,等.基于ResNet18改进模型的玉米叶片病害识别[J].江苏农业科学,2025,53(10):214-221.
　Zhang Mingjie,et al.Identification of corn leaf diseases based on ResNet18 improved model[J].Jiangsu Agricultural Sciences,2025,53(10):214-221.
点击复制

基于ResNet18改进模型的玉米叶片病害识别()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第10期
页码:
214-221
栏目:
农业工程与信息技术
出版日期:
2025-05-20

文章信息/Info

Title:
Identification of corn leaf diseases based on ResNet18 improved model
作者:
张明杰1; 朱节中1; 2; 4; 杨再强3; 姚成敏1; 邢跃1; 薛中航1
1.南京信息工程大学自动化学院，江苏南京 210024； 2.南京信息工程大学软件学院，江苏南京 210024； 3.南京信息工程大学应用气象学院，江苏南京 210024；4.无锡学院物联网工程学院，江苏无锡 214105
Author(s):
Zhang Mingjie; et al
关键词:
玉米病害; 图像识别; 卷积; 注意力机制; ResNet 18模型; AC-SK-ResNet模型
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
为了对玉米叶片病害进行及时准确的识别，预防玉米叶片病害，保障玉米产量，针对玉米叶片病斑微小、不规则以及多种叶片病害相似度较高不易识别、传统神经网络模型参数大和训练时间长的问题，提出一种基于改进ResNet18的玉米叶片病害识别模型。研究对象为健康叶片和3种常见病害叶片，包括大斑病、灰斑病、锈病叶片。以ResNet18为基础模型，引入高阶残差结构替代传统残差块，以增强对玉米叶片上微小病斑的提取能力，同时引入注意力模块，使网络能够更聚焦于病斑区域，提升特征学习的针对性，在网络深层引入非对称卷积，进一步优化细微病斑特征的提取效果，并对比不同注意力机制、不同学习率对模型准确率的影响。结果表明，改进ResNet18(AC-SK-ResNet)模型的准确率可达98.7%，较原模型提高了3.1百分点，参数量为10.25 M，以远小于原模型的参数量取得了更好的特征提取效果，实现了精度和效率的双重优化。该模型体积小，识别精度优于其他几个模型，可为玉米叶片常见病害的识别提供一定参考。
Abstract:
-

参考文献/References:

［1］王晓鸣，晋齐鸣，石洁，等. 玉米病害发生现状与推广品种抗性对未来病害发展的影响［J］. 植物病理学报，2006，36(1)：1-11.
［2］张娣. 我国玉米病害现状及防治措施［J］. 南方农机，2017，48(17)：57，59.
［3］Miller S A，Beed F D，Harmon C L. Plant disease diagnostic capabilities and networks［J］. Annual Review of Phytopathology，2009，47：15-38.
［4］乔岳. 深度卷积神经网络在玉米叶片病害识别中的应用研究［D］. 哈尔滨：东北农业大学，2019.
［5］许良凤，徐小兵，胡敏，等. 基于多分类器融合的玉米叶部病害识别［J］. 农业工程学报，2015，31(14)：194-201，315.
［6］曾鹏滔，撒金海，刘嘉. 基于改进ResNet18的玉米叶片病害识别方法［J］. 内蒙古农业大学学报(自然科学版)，2023，44(6)：60-67.
［7］熊梦园，詹炜，桂连友，等. 基于ResNet模型的玉米叶片病害检测与识别［J］. 江苏农业科学，2023，51(8)：164-170.
［8］李恩霖，谢秋菊，苏中滨，等. 基于深度学习的玉米叶片病斑识别方法研究［J］. 智慧农业导刊，2021，1(10)：1-10.
［9］黄英来，艾昕. 改进残差网络在玉米叶片病害图像的分类研究［J］. 计算机工程与应用，2021，57(23)：178-184.
［10］Dahiya S，Gulati T，Gupta D.Performance analysis of deep learning architectures for plant leaves disease detection［J］. Measurement：Sensors，2022，24：100581.
［11］Yadav D，Akanksha，Yadav A K. A novel convolutional neural network based model for recognition and classification of apple leaf diseases［J］. Traitement Du Signal，2020，37(6)：1093-1101.
［12］He K M，Zhang X Y，Ren S Q，et al. Deep residual learning for image recognition［C］//2016 IEEE Conference on Computer Vision and Pattern Recognition，Las Vegas：IEEE，2016：770-778.
［13］Ding X H，Guo Y C，Ding G G，et al. ACNet：strengthening the kernel skeletons for powerful CNN via asymmetric convolution blocks［C］//2019 IEEE/CVF International Conference on Computer Vision (ICCV). Seoul，Korea (South)：IEEE，2019：1911-1920.
［14］Hu J，Shen L，Sun G. Squeeze-and-excitation networks［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition，Salt Lake City，UT，USA：IEEE，2018：7132-7141.
［15］Zhang Q L，Yang Y B. SA-net：shuffle attention for deep convolutional neural networks［C］//ICASSP 2021 -2021 IEEE International Conference on Acoustics，Speech and Signal Processing. Toronto，ON，Canada：IEEE，2021：2235-2239.
［16］Woo S，Park J，Lee J Y，et al. CBAM：convolutional block attention module［C］// Computer Vision-ECCV 2018.Cham：Springer International Publishing，2018：3-19.
［17］Wang Q L，Wu B G，Zhu P F，et al. ECA-net：efficient channel attention for deep convolutional neural networks［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Seattle，WA，USA：IEEE，2020：11531-11539.
［18］Hou Q B，Zhou D Q，Feng J S. Coordinate attention for efficient mobile network design［C］//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Nashville，TN，USA：IEEE，2021：13708-13717.
［19］Li X，Wang W H，Hu X L，et al. Selective kernel networks［C］//2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Long Beach，CA，USA：IEEE，2019：510-519.
［20］周志华. 机器学习［M］. 北京：清华大学出版社，2016.

相似文献/References:

[1]张飞云.基于提升小波和学习向量量化神经网络的小麦病害图像识别[J].江苏农业科学,2013,41(05):103.
　Zhang Feiyun.Wheat diseases image recognition based on lifting wavelet and learning vector quantization neural network[J].Jiangsu Agricultural Sciences,2013,41(10):103.
[2]周洪刚,康敏.基于机器视觉的成熟柑橘自动识别研究[J].江苏农业科学,2013,41(06):380.
　Zhou Honggang,et al.Research on automatic recognizing of mature oranges based on machine vision[J].Jiangsu Agricultural Sciences,2013,41(10):380.
[3]刘丽娟,刘仲鹏.基于改进BP算法的玉米叶部病害图像识别研究[J].江苏农业科学,2013,41(11):139.
　Liu Lijuan,et al.Image recognition of maize leaf diseases based on improved BP algorithm[J].Jiangsu Agricultural Sciences,2013,41(10):139.
[4]刘丽娟,刘仲鹏.北方旱育稀植水稻病害图像识别预处理研究[J].江苏农业科学,2014,42(01):92.
　Liu Lijuan,et al.Study on image preprocessing of maize leaf diseases of dry-cultivated and sparse-planting rice in northern China[J].Jiangsu Agricultural Sciences,2014,42(10):92.
[5]何玲,陈长喜,许晓华.基于物联网的生猪屠宰监管系统关键技术研究[J].江苏农业科学,2017,45(06):201.
　He Ling,et al.Study on key technology of pig slaughtering supervision system based on internet of things[J].Jiangsu Agricultural Sciences,2017,45(10):201.
[6]刁智华,魏玉泉,刁春迎,等.基于图像的小麦白粉病形状特征参数优化与提取[J].江苏农业科学,2017,45(21):229.
　Diao Zhihua,et al.Image-based shape parameter optimization and extraction of wheat powdery mildew[J].Jiangsu Agricultural Sciences,2017,45(10):229.
[7]何彦虎,武传宇,童俊华,等.基于专家系统的穴盘苗品种识别算法设计与试验[J].江苏农业科学,2019,47(04):176.
　He Yanhu,et al.Design and experiment of identification algorithm of plug seedling based on expert system[J].Jiangsu Agricultural Sciences,2019,47(10):176.
[8]陶震宇,孙素芬,罗长寿.基于Faster-RCNN的花生害虫图像识别研究[J].江苏农业科学,2019,47(12):247.
　Tao Zhenyu,et al.Study on peanut pest image recognition based on Faster-RCNN[J].Jiangsu Agricultural Sciences,2019,47(10):247.
[9]康飞龙,李佳,刘涛,等.多类农作物病虫害的图像识别应用技术研究综述[J].江苏农业科学,2020,48(22):22.
　Kang Feilong,et al.Application technology of image recognition for various crop diseases and insect pests: a review[J].Jiangsu Agricultural Sciences,2020,48(10):22.
[10]谢军,江朝晖,李博,等.基于二次迁移模型的小样本茶树病害识别[J].江苏农业科学,2021,49(6):176.
　Xie Jun,et al.Image recognition of tea plant disease small samples based on secondary migration model[J].Jiangsu Agricultural Sciences,2021,49(10):176.

备注/Memo

备注/Memo:
收稿日期：2024-05-17
基金项目：国家自然科学基金面上项目(编号：42275200)。
作者简介：张明杰(2000—)，男，山东枣庄人，硕士研究生，研究方向为图像处理。E-mail：zhangming__jie@163.com。
通信作者：朱节中，硕士，教授，研究方向为物联网、云计算、大数据分析处理。E-mail：zhujiezhong@126.com。
更新日期/Last Update: 2025-05-20