基于改进ShuffleNet v2的轻量化番茄叶片病害识别

来源：江苏农业科学杂志2024年第第3期北京时间：

作者：李大华;仲婷;王笋;于晓

单位：1.天津理工大学电气工程与自动化学院/天津市复杂系统控制理论与应用重点实验室，天津 300384；2.天津同实智研科技有限公司，天津 300384

摘要：番茄大面积种植导致叶片部位被病虫害侵蚀面积不一、侵蚀种类多样化等问题，为了满足在资源有限的硬件设备上实现对番茄叶片病害准确识别，提出改进ShuffleNet v2模型。首先对基本单元进行改进，提出SA-stage模块，使模型密切关注叶片相关特征信息的同时减小了参数量和计算量；其次提出LFN轻量化特征融合模块，实现浅层和深层网络的上下文信息交互；接着引入RFB-s轻量化特征增强模块，增强小目标病害的特征提取；最后将SPD-Conv代替普通卷积和最大池化层，降低图像分辨率的同时保留了番茄叶片病害小目标的细粒度信息。试验结果表明，改进ShuffleNet v2模型在10种番茄叶片病害图像上进行测试，准确率和平均召回率分别达到了96.55%、9640%，较原模型分别提高了4.44、3.70百分点；参数量和计算量分别为348 154、38.75 MB，较原模型分别减少 3 888、3.88 MB。相比于其他分类模型AlexNet、ResNet50、MobileNet v3等，改进ShuffleNet v2模型不仅准确率最高、参数量和计算量最小，而且权重最小，仅为1.51 MB。该研究提出的改进ShuffleNet v2模型具备在资源有限的移动设备上部署的条件，满足实时、准确地识别番茄叶片病害。

关键词：番茄;叶片病害;病害识别;轻量化;参数量