基于多尺度可变形卷积的桃叶细菌性穿孔病害检测研究#br#

来源：中国农机化学报杂志2026年第5期北京时间：

作者：边晓东, 沈建生, 朱建锡, 余洪锋

单位：(1. 金华市农业科学研究院，浙江金华，321017； 2. 南京农业大学工学院，南京市，210031)

摘要：三维卷积神经网络(3D Convolutional Neural Network，3DCNN)具有较好的空间特征和光谱特征提取能力，是一种用于诊断植物叶部病害的好方法。然而，卷积核的固定几何结构限制三维卷积神经网络对未知变换的建模。为此，以桃树细菌性穿孔病为研究对象，提出一种基于多尺度可变形三维卷积神经网络(MSD—3DCNN)的病害早期无症状期检测方法。首先，基于桃树叶片健康和细菌性穿孔病的高光谱成像数据集，在3DCNN无症状检测模型中使用一种新的空洞卷积核代替普通的3D卷积核，从而有效提高模型在不同几何变形下提取光谱特征的泛化能力；其次，将可变形卷积思想与多尺度特征融合思想相结合，构建多尺度可变形卷积模块，利用光谱展开卷积提取高光谱数据中不同感受野的空间和光谱维度信息，使模型获得更丰富的信息和更强的鲁棒性；最后，将MSD—3DCNN与HybridSN、Fast 3DCNN、MSR—3DCNN等先进方法进行对比评估。结果表明，MSD—3DCNN在精确率、召回率、F1等评价指标上均达到最高，均在97%以上，Kappa系数达0.975 1，相较于现有方法平均提升0.024 3。

关键词：桃叶,细菌性穿孔病,高光谱成像,深度学习,可变形卷积

基金资助：金华市农业农村局院地合作项目(2021-08)