基于机器视觉的病虫害桑叶智能识别

来源：中国农机化学报杂志2026年第6期北京时间：

作者：陈颖博, 刘淑娟

单位：1. 安康学院电子与信息工程学院，陕西安康，725000；2. 玉溪师范学院化学生物与环境学院，云南玉溪，653100

摘要：针对手工分离病虫害桑叶效率不高、准确度较低、易导致二次损伤等问题，研究设计一种病虫害桑叶智能识别系统。系统硬件由计算机、树莓派摄像头、继电器、直流电机和伺服电机组成；软件通过OpenCV实现。为提高病虫害桑叶的识别准确度，基于EfficientNetV2提出EfficientNet—TS模型。该模型由EfficientNet—Teacher、Decoder、EfficientNet—Student三部分构成。通过在解码器(Decoder)中添加双跳跃连接反卷积融合(DscDF)模块，建立解码器与原始图像之间的有效连接，来增强解码器生成图像的视觉效果，帮助EfficientNet—Student获取更多图像细节信息，从而增强分类准确度。结果表明，EfficientNet—TS模型的分类准确度达到99.61%，与EfficientNetV2模型相比，准确度提高6.78%，精确率提升5.98%，召回率增加7.97%，F1分数上升5.99%，平均损失率降低0.02；与ResNet50模型相比，各项性能评估指标也均有显著提高。

关键词：机器视觉,病虫害桑叶,EfficientNet—TS模型,深度学习,智能识别

基金资助：陕西省教育厅青年创新团队建设科研计划项目(21JP001)