基于改进MobileNet v3的苹果叶片病害识别研究

来源：江苏农业科学杂志2024年第第12期北京时间：

作者：李豫晋;沈陆明;何少芳;余文强;滕明洪

单位：湖南农业大学，湖南长沙 410125

摘要：为解决移动端和嵌入式设备中苹果叶片病害识别准确率不高、效率低下的问题，提出了一种新的基于MobileNet v3网络的分类模型，以实现更加高效和准确的苹果叶片病害识别。首先通过数据增广方法增强数据集，按照9 ∶1的比例划分训练集和验证集；然后在MobileNet v3网络核心倒残差结构的升维部分引入全维动态卷积，以加强对不同维度注意力权重的学习，从而增强网络的拟合能力；最后在降维部分引入修改后的ConvNext Block模块，减少信息损失并增加全局感受野。采用PyTorch作为分类网络的深度学习框架，使用交叉熵损失函数作为分类任务的损失函数，Adam作为优化器，通过多组对比试验可知，MobileNet v1、MobileNet v2、ResNet34、MobileNet v3以及改进后的MobileNet v3 ODConvNext网络的准确率分别为94.5%、95.7%、97.2%、96.9%及97.5%。可见，MobileNet v3 ODConvNet网络拥有最高的Top-1准确率，相较于MobileNet v3网络和结构更为复杂的ResNet34网络分别提升了06、03百分点；在运算频率方面，相对于MobileNet v3网络仅增加了1.00×106次/s，并且仅为ResNet34网络参数量的1184%。因此，该试验结果证明了改进后的MobileNet v3 ODConvNext模型具有更加轻量级和更高准确率的优点，满足在移动端真实场景下进行苹果叶片病害识别的要求，有助于苹果叶片病害的防治工作。

关键词：苹果叶片;病害识别;MobileNet v3;全维动态卷积;ConvNext;深度学习