基于AT-DenseNet网络的番茄叶片病害识别方法

来源：江苏农业科学杂志2023年第第21期北京时间：

作者：李云红;张蕾涛;谢蓉蓉;朱景坤;刘杏瑞

单位：西安工程大学电子信息学院，陕西西安 710048

摘要：针对番茄叶片病害识别方法存在丢失特征信息、易产生过拟合现象和各类样本数据不均匀的问题，提出了基于混合注意力机制的DenseNet的番病叶片病害识别模型AT-DenseNet。该网络模型以DenseNet121为基础，首先，在DenseNet中融入混合注意力机制模块，实现特征复用，并对混合特征赋予不同权重，提高特征提取能力；在分类网络前设计过渡层，匹配特征维度；其次，引入Focal Loss损失函数，专注难分类样本，改善类间样本不均匀问题；然后，采用迁移学习方法，导入预训练权重，重构全连接层，增强模型鲁棒性；最后，在数据增强的辅助作用下，用Plant Village数据集中的6种番茄叶片病害图像进行测试，试验结果表明，本研究提出的AT-DenseNet网络模型在测试集上的准确率可达99.49%，并通过设置消融试验、绘制混淆矩阵等，验证了病害识别模型的有效性，可为番茄叶片的病害识别提供参考。

关键词：DenseNet;注意力机制;迁移学习;Focal Loss损失函数;叶片病害识别