融合双分支特征和注意力机制的葡萄病虫害识别模型

来源：农业工程学报杂志2022年第10期北京时间：

作者：彭红星,徐慧明,刘华鼐,

摘要：葡萄病虫害识别是精细化防治的前提。针对现有研究中存在的数据集少、识别精度低、模型参数量大等问题，该研究构建包含健康叶片、3类病害叶片和16类虫害的葡萄病虫害数据集，提出基于改进MobileNet V2模型的葡萄病虫害识别模型。首先在MobileNet V2模型的反向残差模块中嵌入坐标注意力（Coordinate Attention，CA）机制，提升模型的信息表征能力；然后使用深度可分离卷积设计双分支特征融合模块，加强模型的特征提取能力；最后对模型的通道数进行调整，精简模型结构。试验结果表明：MobileNet_Vitis在葡萄病虫害数据集上的识别准确率和F1分数为89.16%和80.44%，相比改进前的MobileNet V2 提高了1.83和9.31个百分点，而模型参数大小为7.85 MB，减少了8.5%。与ResNet 101、ShuffleNet V2、MobileNet V3和GhostNet相比，MobileNet_Vitis的识别精度和F1分数更高，参数量更小。MobileNet_Vitis对单张葡萄病虫害图像的推理时间为17.53 ms，可以达到快速识别的要求。该研究提出的模型能够较好地识别葡萄病虫害，并且较大幅度地减少模型的参数量。将MobileNet_Vitis模型部署到移动端的小程序上，可为葡萄病虫害的防治提供帮助。

关键词：病虫害, 图像识别, 葡萄, MobileNet V2, 双分支特征融合, 坐标注意力机制