基于自适应特征融合的番茄叶病害识别方法

来源：中国农机化学报杂志2024年第10期北京时间：

作者：杨胜英, 潘炜垚, 雷景生, 张淑萍, 钱小鸿

单位：（1. 浙江科技学院信息与电子工程学院，杭州市，310000； 2. 新疆理工学院，新疆阿克苏，843100）

摘要：图像分类技术在农业领域应用广泛，尤其在病害检测和分类方面，相比传统的人工方法更高效和准确。传统的特征融合方法采用固定的加权操作来增强局部特征，并抑制干扰特征的表达，但病害类别图片的差异影响模型泛化能力，导致分类效率和准确率较低。为此，提出一种基于多层自适应特征融合的番茄叶病害识别方法，先通过数据增强算法对数据集进行增强，缓解数据样本量不足、类别不平衡的问题；然后利用特征增强捕捉关键特征，再通过自适应权重的特征融合，以此实现番茄叶病害类别的精准识别。本方法对番茄叶病害图像识别准确率达到99.67%，对比其他InceptionV3、ResNet50等深度网络模型，识别准确率提高2.07%~15.33%。本方法实现对番茄叶病害的图像精准识别，为番茄等农作物病害的识别技术提供思路与方法。

关键词：数据增强,番茄叶病害,图像分类,特征融合,特征增强

基金资助：浙江省教育厅科研项目资助（Y202352263）；新疆维吾尔自治区自然科学基金（2022D01C349）