基于改进EfficientNet v2模型的玉米叶片病害识别

来源：江苏农业科学杂志2025年第第9期北京时间：

作者：谢琬;崔艳荣

单位：长江大学计算机科学学院，湖北荆州 434000

摘要：针对真实环境下玉米叶片病害识别准确率不高、传统模型难以适应复杂背景等问题，提出一种改进轻量化模型EfficientNet v2的识别方法。首先，收集患有玉米细菌性枯萎病、普通锈病、玉米灰斑病3种病害的玉米叶片和玉米健康叶片，通过4种数据扩充方法进行数据增强，提升模型识别和泛化能力；其次，以EfficientNet v2模型为基础，在Fused-MBConv模块中引入无参数注意力模块SimAM，不增加模型计算负担的同时提高对病害的识别能力；再次，为了增加组间通信，在模型中每1层的MBConv模块和Fused-MBConv模块中引入通道混洗操作，促进不同通道之间的信息流动和融合；最后，将模型中stem层中的传统卷积替换为空洞卷积，增大感受野，使模型在初始阶段就捕捉到更多有用的信息，有助于提升网络的整体特征提取能力。相比原模型，改进后的EfficientNet v2在Top-1准确率提高了1.52百分点，平均精确率提高了1.62百分点，平均召回率提高了1.68百分点，平均F1分数提高了1.65百分点，参数量仅为20.2 M，在保持轻量化的同时提高了对3类常见玉米叶片病害以及健康叶片的识别效果。

关键词：玉米叶片病害;EfficientNet v2;SimAM注意力模块;通道混洗操作;空洞卷积;图像识别