基于改进DenseNet的棉叶螨危害等级识别研究

来源：中国农机化学报杂志2026年第2期北京时间：

作者：雷竣杰, 周保平, 张䶮

单位：1. 塔里木大学信息工程学院，新疆阿拉尔，843300；2. 塔里木大学现代农业工程重点实验室，新疆阿拉尔，843300

摘要：针对传统棉叶螨人工诊断分级方法费工费时且存在滞后性的问题，提出一种基于改进DenseNet—121的棉叶螨危害等级识别模型。依据棉叶螨害分级标准，在单一背景和自然背景下采集不同危害等级的棉叶图像，并对原始数据集进行增强以模拟图像采集时受不同天气情况、拍摄角度和设备噪声等因素的影响。不同螨害等级棉叶间特征相似度高、识别难度大，在优选DenseNet—121模型的基础上，首先，将第一层卷积中的7×7卷积核替换为Inception模块，增强浅层网络的特征提取能力；其次，在Transition Layer后引入SimAM注意力机制，强化棉叶螨害特征并抑制背景特征；最后，在Dense Layer后应用DropBlock正则化，提高模型的鲁棒性和抗过拟合能力。结果表明，所提模型在原始数据集上的识别准确率达到90.76%，较原始模型提高4.21个百分点；数据增强和3项改进策略分别使模型的识别准确率提高1.47、2.74、2.37、1.86个百分点；综合性能明显优于VGG16、ResNet50等模型。

关键词：棉叶,螨害分级,改进DenseNet—121,注意力机制,正则化

基金资助：国家自然科学基金项目(61563046)；塔里木大学研究生科研创新项目(TDGRI202358)