[1]张志荣,陈勇,崔艳荣,等.基于改进ConvNeXt_Tiny模型的水稻叶片病害识别方法[J].江苏农业科学,2025,53(20):305-315.
　Zhang Zhirong,et al.A rice leaf disease recognition method based on improved ConvNeXt_Tiny model[J].Jiangsu Agricultural Sciences,2025,53(20):305-315.
点击复制

基于改进ConvNeXt_Tiny模型的水稻叶片病害识别方法()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第20期
页码:
305-315
栏目:
病虫害智能检测
出版日期:
2025-10-20

文章信息/Info

Title:
A rice leaf disease recognition method based on improved ConvNeXt_Tiny model
作者:
张志荣; 陈勇; 崔艳荣; 胡蓉华
长江大学计算机科学学院，湖北荆州 434000
Author(s):
Zhang Zhirong; et al
关键词:
ConvNeXt_Tiny; 水稻; 病害识别; 数据增强; RFB; Triplet
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
针对水稻叶片病害类别间差异较小、容易误识别以及病害重要特征难以提取等问题，提出了一种基于改进的ConvNeXt_Tiny模型的水稻叶片病害识别方法。首先收集细菌性条斑病、云纹叶枯病、窄条斑病3类病害以及健康叶片的图像，通过对比度增强、亮度增强、图像旋转和添加椒盐噪声等数据增强方式增加样本多样性以及增强模型泛化能力。接着以ConvNeXt_Tiny模型为基础，在降采样层后面添加RFB多尺度特征提取模块，通过扩张卷积对水稻叶片病害图像产生不同大小的感受野，增强网络对叶片病害中特征信息的学习能力。然后，在stages模块后面添加Triplet注意力机制模块，用于捕捉输入张量的空间和通道维度之间的跨维度交互信息，使模型着重关注水稻叶片表面的病害特征。试验结果表明，改进后的ConvNeXt_Tiny模型在水稻叶片病害数据集上的Top-1准确率可以达到9842%，较原模型的97.14%提升1.28百分点，优于ResNet34(97.64%)、GhostNet(94.98%)和EfficientNet v2(9764%)等CNN网络模型。综上所述，本研究提出的改进后的ConvNeXt_Tiny模型在水稻叶片病害识别方面具有更好的特征提取能力和特征表达能力，为水稻叶片病害识别提供了一种有效的方法。
Abstract:
-

参考文献/References:

［1］徐春春，闻军清，纪龙，等. 中国水稻种业发展现状、问题与展望［J］. 中国稻米，2022，28(5)：74-78.
［2］徐春春，纪龙，李凤博，等. 当前我国水稻产业发展形势与战略对策［J］. 华中农业大学学报，2022，41(1)：21-27.
［3］2022年全国农作物重大病虫害发生趋势预报［J］. 中国植保导刊，2022，42(4)：107-108.
［4］周驰燕，朱宇涵，姚照胜，等. 基于信息技术的水稻病害识别与检测研究进展［J］. 现代农业科技，2019(7)：111-113.
［5］翟梦婷，张丽娟，朴欣茹，等. 基于改进ConvNeXt网络的人参分级模型［J］. 吉林农业大学学报，2023，45(6)：791-802.
［6］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.
［7］Wu Q H，Ma X，Liu H F，et al. A classification method for soybean leaf diseases based on an improved ConvNeXt model［J］. Scientific Reports，2023，13(1)：19141.
［8］张澳雪，崔艳荣，李素若，等. 基于改进RegNet网络的玉米叶片病害识别研究［J］. 江苏农业科学，2024，52(11)：216-224.
［9］马晓，邢雪，武青海. 基于改进ConvNext的复杂背景下玉米叶片病害分类［J］. 江苏农业科学，2023，51(19)：190-197.
［10］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.
［11］崔金荣，魏文钊，赵敏. 基于改进MobileNet v3的水稻病害识别模型［J］. 农业机械学报，2023，54(11)：217-224，276.
［12］卫雅娜，王志彬，乔晓军，等. 基于注意力机制与EfficientNet的轻量化水稻病害识别方法［J］. 中国农机化学报，2022，43(11)：172-181.
［13］Liu Z，Mao H Z，Wu C Y，et al. A ConvNet for the 2020s［C］//IEEE.2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).New Orleans，2022：11966-11976.
［14］Misra D，Nalamada T，Arasanipalai A U，et al. Rotate to attend：convolutional triplet attention module［C］//2021 IEEE Winter Conference on Applications of Computer Vision (WACV).Waikoloa，2021：3138-3147.
［15］Szegedy C，Liu W，Jia Y Q，et al. Going deeper with convolutions［EB/OL］. (2014-09-17)［2024-07-10］. https：//arxiv.org/pdf/1409.4842.
［16］He K M，Zhang X Y，Ren S Q，et al. Spatial pyramid pooling in deep convolutional networks for visual recognition［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37(9)：1904-1916.
［17］Liu S T，Huang D，Wang Y H. Receptive field block net for accurate and fast object detection［M］// Ferrari V，Hebert M，Sminchisescu C，et al. Computer Vision-ECCV 2018.Cham：Springer International Publishing，2018：404-419.
［18］He K M，Zhang X Y，Ren S Q，et al. Deep residual learning for image recognition［EB/OL］. (2015-12-10)［2024-07-10］. https：//arxiv.org/pdf/1512.03385.
［19］Simonyan K，Zisserman A. Very deep convolutional networks for large-scale image recognition［J］. CoRR，2014，abs/1409.1556.
［20］Han K，Wang Y H，Tian Q，et al. GhostNet：more features from cheap operations［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Seattle，2020：1577-1586.
［21］Tan M X，Le Q V.EfficientNet v2： smaller models and faster training［EB/OL］. (2021-04-01)［2024-07-10］. https：//arxiv.org/pdf/2104.00298v1.
［22］Howard A，Sandler M，Chu G，et al. Searching for MobileNet v3［EB/OL］. (2019-11-20)［2024-07-10］. https：//www.semanticscholar.org/reader/5e19eba1e6644f7c83f607383d256deea7 1f87ae.

相似文献/References:

[1]马旭俊,刘春娟,吕世博,等.绿色荧光蛋白基因在水稻遗传转化中的应用[J].江苏农业科学,2013,41(04):35.
[2]李岳峰,居立海,张来运,等.水分胁迫下丛枝菌根对水稻/绿豆间作系统 作物生长和氮磷吸收的影响[J].江苏农业科学,2013,41(04):58.
[3]崔月峰,孙国才,王桂艳,等.不同施氮水平和前氮后移措施对水稻产量 及氮素利用率的影响[J].江苏农业科学,2013,41(04):66.
[4]张其蓉,宋发菊,田进山,等.长江中下游稻区水稻区域试验品种抗稻瘟病鉴定与评价[J].江苏农业科学,2013,41(04):92.
[5]王麒,张小明,卞景阳,等.不同插秧密度对黑龙江省第二积温带水稻产量及产量构成的影响[J].江苏农业科学,2013,41(05):60.
　Wang Qi,et al.Effect of different transplanting density on yield and yield component of rice in second temperature zone of Heilongjiang Province[J].Jiangsu Agricultural Sciences,2013,41(20):60.
[6]张国良,张森林,丁秀文,等.基质厚度和含水量对水稻育秧的影响[J].江苏农业科学,2013,41(05):62.
　Zhang Guoliang,et al.Effects of substrate thickness and water content on growth of rice seedlings[J].Jiangsu Agricultural Sciences,2013,41(20):62.
[7]赵忠宝,朱清海.稻－蟹－鳅生态系统的能值分析[J].江苏农业科学,2013,41(05):349.
　Zhao Zhongbao,et al.Emergy analysis of paddy-crab-loach ecosystem[J].Jiangsu Agricultural Sciences,2013,41(20):349.
[8]杨红福,姚克兵,束兆林,等.甲氧基丙烯酸酯类杀菌剂对水稻恶苗病的田间药效[J].江苏农业科学,2014,42(12):166.
　Yang Hongfu,et al.Field efficacy of strobilurin fungicides against rice bakanae disease[J].Jiangsu Agricultural Sciences,2014,42(20):166.
[9]唐成,陈露,安敏敏,等.稻瘟病诱导水稻幼苗叶片氧化还原系统的特征谱变化[J].江苏农业科学,2014,42(12):141.
　Tang Cheng,et al.Characteristic spectral changes of redox homeostasis system in rice seedling leaves induced by rice blast[J].Jiangsu Agricultural Sciences,2014,42(20):141.
[10]万云龙.优质水稻—春甘蓝轮作高效栽培模式[J].江苏农业科学,2014,42(12):90.
　Wan Yunlong.Efficient cultivation mode of high quality rice-spring cabbage rotation[J].Jiangsu Agricultural Sciences,2014,42(20):90.

备注/Memo

备注/Memo:
收稿日期：2024-08-16
基金项目：国家自然科学基金面上项目(编号：62077018)。
作者简介：张志荣(2002—)，男，山西忻州人，硕士研究生，主要从事机器学习与人工智能研究。E-mail：3217126722@qq.com。
通信作者：陈勇，硕士，高级工程师，硕士生导师，主要从事WEB信息处理、人工智能应用研究。 E-mail：285527563@qq.com。
更新日期/Last Update: 2025-10-20