«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第52卷

期数:

2024年第10期

页码:

225-234

栏目:

农业工程与信息技术

出版日期:

2024-05-20

文章信息/Info

Title:

Strawberry disease identification method based on improved MobileNet v3-Small model

作者:

王晶; 崔艳荣

长江大学计算机科学学院，湖北荆州 434000

Author(s):

Wang Jing; et al

关键词:

草莓病害; 图像分类; MobileNet v3-Small; Inception_A; ULSAM轻量级子注意力机制; CondConv

Keywords:

-

分类号:

S126；TP391.41

DOI:

-

文献标志码:

A

摘要:

为了对草莓病害进行及时的诊断与治疗而提升草莓产量，将深度学习与农业生产结合以快速高效地进行病害检测。传统神经网络进行病害识别时间较长，参数量较大，难以迁移到移动端设备上，基于此提出一种改进MobileNet v3-Small模型的识别方法。首先收集了7类常见草莓病害图像样本(如角斑病、叶斑病等)，通过旋转、镜像等多种数据增强方式对图像进行处理以增加图片数量，提高模型泛化能力。接着以MobileNet v3-Small模型为基础，基于原始Inception_A提出部分卷积权值共享的多尺度卷积结构，以更高效地提取草莓病害不同尺度特征。随后，在网络深层引入了ULSAM轻量级子注意力机制，形成草莓病害更高层次的抽象表示。同时，将深度可分离卷积中的第2个PW卷积替换为CondConv卷积形成PDC结构，克服了PW卷积只拥有局部感受野的缺陷，同时也降低了模型参数量。试验结果表明，改进后的MobileNet v3-Small模型准确率达到98.62%，较原模型94.91%的准确率提高了3.71百分点，并且参数量减少了0.04 M，远优于同级轻量化模型，且以远低于ResNet18的参数量取得更好的特征提取效果。综上所述，本研究所提出的改进后的MobileNet v3_Small模型能更好地在真实场景下进行草莓病害识别，为草莓生产贡献了一份力量，助力智慧农业发展。

Abstract:

-

参考文献/References:

［1］刘畅，王晓，李宪松，等. 我国草莓生产态势及国内外比较分析［J］. 中国果树，2023(7)：136-140.
［2］麻剑钧，刘晓慈，金龙新，等. 基于机器视觉的农作物病害识别研究进展［J］. 湖南农业科学，2023(9)：97-100.
［3］Liu Z X，Du Z X，Peng Y，et al. Study on corn disease identification based on PCA and SVM［C］//2020 IEEE 4th Information Technology，Networking，Electronic and Automation Control Conference (ITNEC).Chongqing：IEEE，2020：661-664.
［4］Chaudhary A，Kolhe S，Kamal R. An improved random forest classifier for multi-class classification［J］. Information Processing in Agriculture，2016，3(4)：215-222.
［5］张开兴，吕高龙，贾浩，等. 基于图像处理和BP神经网络的玉米叶部病害识别［J］. 中国农机化学报，2019，40(8)：122-126.
［6］苏仕芳，乔焰，饶元. 基于迁移学习的葡萄叶片病害识别及移动端应用［J］. 农业工程学报，2021，37(10)：127-134.
［7］何雨霜，王琢，王湘平，等. 深度学习在农作物病害图像识别中的研究进展［J］. 中国农机化学报，2023，44(2)：148-155.
［8］姚建斌，张英娜，刘建华.基于卷积神经网络和迁移学习的小麦病虫害识别［J］. 华北水利水电大学学报(自然科学版)，2022，43(2)：102-108.
［9］刘敏，周丽. 基于多尺度特征融合网络的苹果病害叶片检测［J］. 中国农机化学报，2023，44(8)：184-190.
［10］陈伟文，邝祝芳，王忠伟. 基于卷积神经网络的种苗病害识别方法［J］. 中南林业科技大学学报，2022，42(7)：35-43.
［11］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.
［12］黄铝文，郑梁，黄煜，等. 基于多尺度卷积与通道域增强的草莓病害识别方法［J］. 江苏农业科学，2023，51(10)：202-210.
［13］Yu H L，Cheng X H，Chen C C，et al. Apple leaf disease recognition method with improved residual network［J］. Multimedia Tools and Applications，2022，81(6)：7759-7782.
［14］Ma L，Guo X L，Zhao S K，et al. Algorithm of strawberry disease recognition based on deep convolutional neural network［J］. Complexity，2021，2021：6683255.
［15］Afzaal U，Bhattarai B，Pandeya Y R，et al. An instance segmentation model for strawberry diseases based on mask R-CNN［J］. Sensors，2021，21(19)：6565.
［16］Howard A，Sandler M，Chen B，et al. Searching for MobileNet v3［C］//2019 IEEE/CVF International Conference on Computer Vision (ICCV).Seoul：IEEE，2019：1314-1324.
［17］Howard A G，Zhu M L，Chen B，et al. MobileNets：efficient convolutional neural networks for mobile vision applications［EB/OL］. (2017-04-17)［2023-09-10］.http：//arxiv.org/abs/1704.04861.pdf.
［18］Sandler M，Howard A，Zhu M L，et al. MobileNet v2：inverted residuals and linear bottlenecks［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City：IEEE，2018：4510-4520.
［19］Szegedy C，Liu W，Jia Y Q，et al. Going deeper with convolutions［C］//2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Boston：IEEE，2015：1-9.
［20］Szegedy C，Ioffe S，Vanhoucke V，et al. Inception-v4，inception-ResNet and the impact of residual connections on learning［C］. Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence.San Francisco：ACM，2017：4278-4284.
［21］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 (CVPR).Las Vegas：IEEE，2016：770-778.
［22］皇甫晓瑛，钱惠敏，黄敏. 结合注意力机制的深度神经网络综述［J］. 计算机与现代化，2023(2)：40-49，57.
［23］Hu J，Shen L，Sun G. Squeeze-and-excitation networks［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City：IEEE，2018：7132-7141.
［24］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 (CVPR).Seattle：IEEE，2020：11531-11539.
［25］Woo S，Park J，Lee J Y，et al. CBAM：convolutional block attention module［C］//European Conference on Computer Vision.Cham：Springer，2018：3-19.
［26］Saini R，Jha N K，Das B，et al. ULSAM：ultra-lightweight subspace attention module for compact convolutional neural networks［C］//2020 IEEE Winter Conference on Applications of Computer Vision (WACV).Snowmass：IEEE，2020：1616-1625.
［27］Yang B，Bender G，Le Q V，et al. CondConv：conditionally parameterized convolutions for efficient inference［EB/OL］. (2019-04-10)［2023-09-11］. http：//arxiv.org/abs/1904.04971.pdf.

相似文献/References:

[1]余骥远,高尚兵,李洁,等.基于MS-PLNet和高光谱图像的绿豆叶斑病病级分类[J].江苏农业科学,2023,51(6):178.
　Yu Jiyuan,et al.Classification of mung bean leaf spot based on MS-PLNet and hyperspectral images[J].Jiangsu Agricultural Sciences,2023,51(10):178.
[2]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.
　Ma Xiao,et al.Maize leaf disease classification under complex background based on improved ConvNext[J].Jiangsu Agricultural Sciences,2023,51(10):190.
[3]谭彬,蔡健荣,许骞,等.基于注意力机制改进卷积神经网络的柑橘病虫害识别[J].江苏农业科学,2024,52(8):176.
　Tan Bin,et al.Recognition of citrus pests and diseases based on attention mechanism improved convolutional neural networks[J].Jiangsu Agricultural Sciences,2024,52(10):176.
[4]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.
　Zhang Aoxue,et al.Identification of maize leaf diseases based on improved RegNet network[J].Jiangsu Agricultural Sciences,2024,52(10):216.
[5]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(10):214.
[6]梁倩倩,陈勇,崔艳荣.基于改进轻量化网络MobileViT的苹果叶片病虫害识别方法[J].江苏农业科学,2024,52(14):222.
　Liang Qianqian,et al.An apple leaf pest identification method based on improved lightweight network MobileViT[J].Jiangsu Agricultural Sciences,2024,52(10):222.
[7]戴硕,白涛,李东亚,等.基于知识蒸馏及改进ShuffleNet v2的棉花病虫害识别方法[J].江苏农业科学,2024,52(15):222.
　Dai Shuo,et al.Recognition of cotton pests and diseases based on knowledge distillation and improved ShuffleNet v2[J].Jiangsu Agricultural Sciences,2024,52(10):222.
[8]严露露,朱赞彬,冯世杰,等.基于改进FixMatch算法的半监督番茄病虫害识别[J].江苏农业科学,2024,52(20):244.
　Yan Lulu,et al.Semi-supervised identification of tomato diseases and pests based on improved FixMatch algorithm[J].Jiangsu Agricultural Sciences,2024,52(10):244.
[9]董天亮,李佳,马晓,等.基于SC-ConvNeXt网络模型的小麦叶片病害识别方法[J].江苏农业科学,2025,53(5):129.
　Dong Tianliang,et al.A wheat leaf disease recognition method based on SC-ConvNeXt network model[J].Jiangsu Agricultural Sciences,2025,53(10):129.

备注/Memo

备注/Memo:

收稿日期：2023-11-22
基金项目：国家自然科学基金面上项目(编号：62077018)。
作者简介：王晶(2000—)，女，湖北鄂州人，硕士研究生，从事机器学习与人工智能研究。E-mail：410885413@qq.com。
通信作者：崔艳荣，博士，教授，从事网络安全、信息处理研究。E-mail：cyanr@yangtzeu.edu.cn。

常用功能

更新日期/Last Update: 2024-05-20