基于多阶段特征融合的MobileNet v3ULAM茶叶病害识别

来源：江苏农业科学杂志2025年第第15期北京时间：

作者：董虎胜;鲜学丰;孙逊;杨元峰

单位：1.苏州市职业大学计算机工程学院，江苏苏州 215104； 2.江苏省现代企业信息化应用支撑软件工程技术研发中心，江苏苏州 215104

摘要：为了实现对茶园种植的智能化与精准化管理，针对自然场景下茶叶病害的快速与准确识别问题，提出了应用多阶段特征融合策略与ULAM 超轻量注意力对MobileNet v3网络作改进的轻量级茶叶病害识别模型。该模型在MobileNet v3网络中新增了1个分支，对网络各中间阶段的特征作拼接与变换处理，然后与原主干网络提取的特征融合，实现对中间阶段特征的复用，有效增强特征的判别力。为了改进MobileNet v3网络中SE注意力对空间信息处理不足和运算量较大的问题，还设计了一款ULAM注意力模块；ULAM不仅实现了对空间与通道信息的协同处理，还借助转置卷积运算显著降低了运算量，在该注意力模块中只有54个需要学习的参数，具有极为轻量的优势。在CIFAR10通用图像分类任务上，改进后的模型达到94.18%的识别准确率，比原MobileNet v3提高4.13百分点，综合性能优于常见CNN模型。在自建的茶叶常见病害数据集上，直接使用原始数据训练本研究模型可达到95.46%的平均识别准确率，相较于MobileNet v3提升3.34百分点。进一步采用数据平衡处理后，模型平均识别精度提升至9888%，能够准确地识别白星病、藻斑病、炭疽病等茶叶病害。本研究模型在参数量上比原始MobileNet v3进一步降低，因而适合在移动设备与农机等资源受限的场景中部署。

关键词：茶叶病害识别;MobileNet v3;注意力机制;边缘计算;卷积神经网络