[1]刘虎,霍欣浩,何琴英,等.基于改进MobileNet v3Small的花生叶部病害轻量化识别研究[J].江苏农业科学,2025,53(12):207-215.
　Liu Hu,et al.Lightweight recognition of peanut leaf diseases based on improved MobileNet v3Small[J].Jiangsu Agricultural Sciences,2025,53(12):207-215.
点击复制

基于改进MobileNet v3Small的花生叶部病害轻量化识别研究()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第12期
页码:
207-215
栏目:
农业工程与信息技术
出版日期:
2025-06-20

文章信息/Info

Title:
Lightweight recognition of peanut leaf diseases based on improved MobileNet v3Small
作者:
刘虎; 霍欣浩; 何琴英; 张泽豪; 张道德
湖北工业大学/湖北省农业机械工程研究设计院，湖北武汉 430068
Author(s):
Liu Hu; et al
关键词:
花生叶部病害; 迁移学习; 轻量化卷积神经网络; SimAM 注意力机制
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
为了对花生叶部病害进行正确的诊断与有效的治疗来提高花生的产量，使用深度学习进行及时的轻量化识别与检测，在MobileNet v3Small模型的基础上提出一种新的改进方法，即使用SimAM注意力机制替换原模型中的SE注意力机制，并使用迁移学习对花生叶部病害进行轻量化识别；然后将PlantVillage数据集作为源域进行预训练，并将预训练得到的共享参数迁移到改进的模型上进行微调优化，最终将采集到的花生叶部病害数据集作为目标域进行试验测试。试验结果表明，通过迁移学习，改进后的MobileNet v3Small模型识别准确率达到 99.5%，比原模型提高2.25百分点，参数量减少30.07%，内存减少2.33 MB。使用Grad-CAM完成热力图可视化，对比发现，SimAM注意力机制比原SE注意力机制以及其他2种注意力机制生成的热力图和原图像中病斑的位置、颜色相似度更高，表明本研究所用方法可以更好地采集花生叶部病害的特征。从各个评价指标来看，本研究提出的方法在花生叶部病害识别上适配度更高、更轻量化，可以更好地在真实场景下进行花生叶部病害识别，可为花生生产种植上提供有效帮助，助力发展智慧农业。
Abstract:
-

参考文献/References:

［1］范燕，赵雪飞，刘晓光. 花生叶部病害研究进展［J］. 安徽农业科学，2022，50(14)：4-8.
［2］张海东，刘晓舟，梁春浩，等. 花生褐斑病生防菌筛选及田间防效评价［J］. 花生学报，2023，52(3)：42-47.
［3］颜景波，吴占鹏，苏君伟，等. 花生叶部病害防治技术研究［J］. 农业科技通讯，2013(3)：123-125.
［4］翁杨，曾睿，吴陈铭，等. 基于深度学习的农业植物表型研究综述［J］. 中国科学：生命科学，2019，49(6)：698-716.
［5］岑海燕，朱月明，孙大伟，等. 深度学习在植物表型研究中的应用现状与展望［J］. 农业工程学报，2020，36(9)：1-16.
［6］付佐毅，周世杰，李顶根. 轻量级目标识别深度神经网络及其应用［J］. 计算机工程与应用，2020，56(18)：131-136.
［7］袁培森，欧阳柳江，翟肇裕，等. 基于MobileNet v3Small-ECA的水稻病害轻量级识别研究［J］. 农业机械学报，2024，55(1)：253-262.
［8］Feng C G，Jiang M L，Huang Q，et al. A lightweight real-time rice blast disease segmentation method based on DFFANet［J］. Agriculture，2022，12(10)：1543.
［9］Iandola F N，Han S，Moskewicz M W，et al. SqueezeNet：AlexNet-level accuracy with 50x fewer parameters and <0.5 MB model size［EB/OL］. (2016-11-04)［2024-05-01］. https://arXiv.org/abs/1602.07360.
［10］Howard A G，Zhu M L，Chen B，et al. MobileNets：efficient convolutional neural networks for mobile vision applications［EB/OL］. (2017-04-17)［2024-05-01］. https://arXiv.org/abs/1704.04861.
［11］Tan M M，Le Q. Efficientnet：rethinking model scaling for convolutional neural networks［C］//International Conference on Machine Learning.PMLR，2019.
［12］Howard A，Sandler M，Chen B，et al. Searching for MobileNet v3［C］//IEEE/CVF International Conference on Computer Vision (ICCV). Seoul，2019：1314-1324.
［13］李子茂，李嘉晖，尹帆，等. 基于可形变卷积与SimAM注意力的密集柑橘检测算法［J］. 中国农机化学报，2023，44(2)：156-162.
［14］田甜，程志友，鞠薇，等. 基于SimAM-ConvNeXt-FL的茶叶病害小样本分类方法研究［J］. 农业机械学报，2024，55(3)：275-281.
［15］朱传军，刘荣光，成佳闻，等. 基于SimAM模块与ResNet34网络的混合缺陷检测模型［J］. 现代制造工程，2023(2)：1-9.
［16］Yang L X，Zhang R Y，Li L D，et al. SimAM：a simple，parameter-free attention module for convolutional neural networks［C］//Proceeding of the 38th International Conference on Machine Learning，2021.
［17］苏婷婷，牟少敏，董萌萍，等. 深度迁移学习在花生叶部病害图像识别中的应用［J］. 山东农业大学学报(自然科学版)，2019，50(5)：865-869.
［18］张红涛，罗一铭，谭联，等. 基于迁移学习和残差网络的谷子病害识别研究［J］. 河南农业科学，2023，52(12)：162-171.
［19］郭惠萍，曹亚州，王晨思，等. 基于迁移学习的苹果落叶病识别与应用［J］. 农业工程学报，2024，40(3)：184-192.
［20］Selvaraju R R，Cogswell M，Das A，et al. Grad-CAM：visual explanations from deep networks via gradient-based localization［C］//IEEE International Conference on Computer Vision (ICCV).Venice，2017：618-626.

相似文献/References:

[1]刘嘉政.基于深度迁移学习模型的花卉种类识别[J].江苏农业科学,2019,47(20):231.
　Liu Jiazheng.Flower species identification based on deep transfer learning model[J].Jiangsu Agricultural Sciences,2019,47(12):231.
[2]黎振,陆玲,熊方康.基于k-means分割和迁移学习的番茄病理识别[J].江苏农业科学,2021,49(12):156.
　Li Zhen,et al.Tomato pathological recognition based on k-means segmentation and transfer learning[J].Jiangsu Agricultural Sciences,2021,49(12):156.
[3]徐振南,王建坤,胡益嘉,等.基于MobileNetV3的马铃薯病害识别[J].江苏农业科学,2022,50(10):176.
　Xu Zhennan,et al.Potato disease recognition based on MobileNetV3[J].Jiangsu Agricultural Sciences,2022,50(12):176.
[4]温艳兰,陈友鹏,王克强,等.基于迁移学习和改进残差网络的复杂背景下害虫图像识别[J].江苏农业科学,2023,51(8):171.
　Wen Yanlan,et al.Recognition of pest images under complex background based on transfer learning and improved residual network[J].Jiangsu Agricultural Sciences,2023,51(12):171.
[5]王哲豪,范丽丽,何前.基于MobileNet V2和迁移学习的番茄病害识别[J].江苏农业科学,2023,51(9):215.
　Wang Zhehao,et al.Recognition of tomato disease based on transfer learning and MobileNet V2[J].Jiangsu Agricultural Sciences,2023,51(12):215.
[6]章广传,李彤,何云,等.基于迁移模型集成的马铃薯叶片病害识别方法[J].江苏农业科学,2023,51(15):216.
　Zhang Guangchuan,et al.A method for identifying potato leaf diseases based on migration model integration[J].Jiangsu Agricultural Sciences,2023,51(12):216.
[7]李云红,张蕾涛,谢蓉蓉,等.基于AT-DenseNet网络的番茄叶片病害识别方法[J].江苏农业科学,2023,51(21):209.
　Li Yunhong,et al.An identification method for tomato leaf disease based on AT-DenseNet network[J].Jiangsu Agricultural Sciences,2023,51(12):209.
[8]肖天赐,陈燕红,李永可,等.基于改进通道注意力机制的农作物病害识别模型研究[J].江苏农业科学,2023,51(24):168.
　Xiao Tianci,et al.Study on crop disease identification model based on improved channel attention mechanism[J].Jiangsu Agricultural Sciences,2023,51(12):168.
[9]章广传,李彤,高泉,等.融合迁移学习和知识蒸馏的轻量级马铃薯叶片病害识别模型的构建方法[J].江苏农业科学,2024,52(4):197.
　Zhang Guangchuan,et al.Construction of a lightweight potato leaf disease recognition model based on transfer learning and knowledge distillation[J].Jiangsu Agricultural Sciences,2024,52(12):197.
[10]姜月明,王健,董光辉,等.基于改进卷积神经网络的苹果叶片病害识别[J].江苏农业科学,2024,52(14):214.
　Jiang Yueming,et al.Recognition of apple leaf disease based on improved convolutional neural network[J].Jiangsu Agricultural Sciences,2024,52(12):214.

备注/Memo

备注/Memo:
收稿日期：2024-05-07
基金项目：湖北省农机装备补短板项目(编号：HBSNYT202220)。
作者简介：刘虎(1986—)，男，湖北荆州人，博士，讲师，主要研究方向为智能农机装备研发。E-mail：liuhumaster@163.com。
更新日期/Last Update: 2025-06-20