基于残差连接的轻量化番茄作物病害检测模型

来源：农业机械学报杂志2026年第1期北京时间：

作者：邹强，宋欣，宋中越，田颖，朝博，贾学勤

单位：天津农学院,天津农学院,天津北斗航电技术有限公司;天津中德应用技术大学能源工程学院,北京交通大学,天津农学院,天津农学院,

摘要：番茄作物生长过程中容易受到多种病害的侵袭。基于深度学习模型的病害检测策略，其计算量通常较大。针对这个问题，本文提出了一种轻量化深度学习模型ResDepSepNet。该模型基于残差模块构建，引入深度可分离卷积，并通过增加卷积运算步长实现下采样。同时引入SE（Squeeze-and-excitation）注意力模块，提升病害识别能力。采用PlantVillage番茄作物病害数据集对ResDepSepNet模型进行了测试，并将测试结果与MobileNetV2模型和TrioConvTomatoNet模型进行对比。测试结果显示，ResDepSepNet模型的整体识别正确率分别比MobileNetV2模型和TrioConvTomatoNet模型高4.8、1.1个百分点，且其浮点运算次数仅为3.5×107，约为MobilenetV2模型和TrioConvTomatoNet模型的1/18和1/7。本研究为番茄作物病害检测提供了技术参考。

关键词：番茄;病害检测;轻量化设计;残差模块

基金资助：河北省重点研发计划项目（22347402D）和天津农学院科学研究发展基金计划项目（J01008)