基于注意力胶囊网络的作物病害识别方法

来源：江苏农业科学杂志2022年第第6期北京时间：

作者：张会敏; 谢泽奇; 张善文

单位：1.郑州西亚斯学院电子信息工程学院，河南郑州 451150； 2.信阳农林学院信息工程学院，河南信阳 464006

摘要：因病害叶片图像的复杂多变性，较难准确分割病斑图像和提取到鲁棒的病害分类特征。现有的基于卷积神经网络(CNN)的作物病害识别方法通过扩展训练样本来增加大量不同角度、方向的训练样本，从而增强模型的鲁棒性和泛化能力，但需要较长的训练数据和较大的算力，并且对于一些少见的病斑不能准确识别，因此提出一种基于注意力胶囊网络(ACapsNet)的作物病害识别方法。ACapsNet中的注意力机制用于提高CapsNet的训练能力。ACapsNet中的胶囊由多个神经元组成，每个神经元表示图像中特定病斑的各种属性，这些属性能够表达不同类型病斑的形状、颜色、纹理、位置、大小和方向等特征，在复杂黄瓜病害叶片图像数据集上进行交叉验证试验。结果表明，ACapsNet能够有效表达不同病害叶片图像的各种特征，加快网络的训练速度，能够应用于田间复杂场景的作物病害识别系统。

关键词：作物病害识别;注意力机制;胶囊网络;注意力胶囊网络