基于坐标注意力的多尺度轻量级苹果叶片病害识别模

来源：中国农机化学报杂志2025年第2期北京时间：

作者：谷瑞, 顾家乐, 宋翠玲, 钱春花

摘要：为解决传统神经网络参数量大、无法满足资源有限的移动设备对苹果叶片病害的识别需求，提出一种基于坐标注意力的多尺度轻量级模型CA—MobileNetV2。首先，将MobileNetV2倒残差中3×3的卷积替换成多尺度特征融合模块(MMF—module)，在不增加参数量的前提下，引入空洞卷积增大感受野，以捕捉丰富的多尺度细节信息，增强网络对细节信息和语义信息提取能力；其次，引入坐标注意力机制自适应地学习不同位置的特征权重，增强对苹果叶片病害区域的感知能力；最后，针对模型训练中的梯度消失问题，改进MobileNetV2的分类器，并引入Leaky ReLU激活函数。结果表明，所提轻量级模型在验证集上的识别准确率、参数量、浮点运算量分别为98.36%，2.35 MB和298.70 M，与ShuffleNetV2、EfficientNet—B2、MobileNetV2、MobileNetV3和GhostNet相比，参数量压缩0.69 MB、6.41 MB、0.28 MB、4.32 MB、1.46 MB，准确率提升8.6%，6.47%，5.07%，4.28%和3.85%，推理时间减少8.7 ms、21.1 ms、13 ms、6.9 ms、17.6 ms。

关键词：苹果叶片,病害识别,坐标注意力,轻量级模型,多尺度特征融合

基金资助：江苏省高职院校教师专业带头人高端研修项目(2023TDFX010)；江苏现代农业产业技术体系项目(JATS—2023—348)；苏州市科技计划项目(SNG2023005)