基于ResNet18改进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10期北京时间：

作者：张明杰;朱节中;杨再强;姚成敏;邢跃;薛中航

单位：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

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。

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