基于迁移学习与注意力机制的花生叶部病害识别算法

来源：中国农机化学报杂志2025年第7期北京时间：

作者：郑大帅, 余琼, 李德豪, 黄劲龙, 员玉良

单位：（青岛农业大学机电工程学院，青岛市，266109）

摘要：针对花生叶部病害识别效率低、现场识别困难等问题，通过迁移学习并融合注意力集中机制（CBAM），提出一种基于CBAM—MobileNetV2的花生叶部病害识别算法。首先，建立健康叶、黑斑病叶、褐斑病叶、网斑病叶、花叶病叶5种花生叶片病害图像数据集；其次，结合通道注意力机制和空间注意力机制，构建花生叶部病害识别模型；最后，分析模型改进前后的识别精度，与VGG16、InceptionV3和ResNet50进行对比，并预测单幅图像检测时间。结果表明，MobileNetV2、VGG16、InceptionV3和ResNet50准确率分别为97.54%、97.34%、96.06%和74.88%，均低于改进后模型准确率的99.41%，且改进后模型的单幅图像检测时间为0.061 s。基于迁移学习与注意力机制的花生叶部病害识别算法准确率高、模型参数少，属于轻量级神经网络，可应用于花生田间检测，利用移动设备可现场检测花生病害，及时了解花生生长状况。

关键词：花生,叶部病害识别,注意力机制,迁移学习,MobileNetV2

基金资助：山东省重点研发计划（乡村振兴科技创新提振行动计划）项目（2023TZXD023）；中央引导地方科技发展专项计划项目（23—1—3—6—zyyd—nsh）