面向复杂背景的CFFA—ResNet苹果叶片病害识别模型构建

来源：中国农机化学报杂志2025年第6期北京时间：

作者：裴文杰, 刘拥民, 胡魁, 石婷婷,

单位：(1. 中南林业科技大学计算机与信息工程学院，长沙市，410004；2. 中南林业科技大学智慧林业云研究中心，长沙市，410004)

摘要：目前大部分叶片病害识别研究在简单背景下的公开数据集中进行，实际应用过程中叶片背景复杂且数据样本很少，传统网络模型难以从复杂背景图像中有效提取病害区域特征。基于经典ResNet模型，提出一种全新的跨层特征融合注意力网络CFFA—ResNet。通过双分支跨层连接提取并融合不同维度特征，实现上下文信息的传递，增强细微判别性特征间的关联；通过注意力特征融合实现局部与全局语义信息的互补，并以加权的方式突出重要信息对融合的影响，重点提取病害区域特征，降低无关信息的干扰。结果表明，相同的试验环境下，与常见传统模型相比，新模型平均识别准确率可达97.45%，分类性能明显提升，说明该网络有助于复杂背景下叶片病害识别的研究。

关键词：智慧农业,苹果叶片病害,残差网络,特征融合,注意力机制,复杂背景

基金资助：国家自然科学基金资助项目(31870532)；长沙市科技计划项目（kq2402265）