基于注意力机制和迁移学习的小样本茶叶病害识别

来源：中国农机化学报杂志2024年第10期北京时间：

作者：张莉, 杨明辉, 孙嘉成

单位：（信阳农林学院信息工程学院，河南信阳，464000）

摘要：为提高茶叶病害识别的准确性，提出一种基于注意力机制和迁移学习的小样本茶叶病害图像识别方法。首先，通过对训练集图像随机旋转、随机翻转、随机色彩以及随机亮度调整操作，扩充训练集样本，旨在降低网络模型的过拟合风险。其次，引入卷积块注意力机制(CBAM)对ResNet50网络模型进行优化，使其能够更加精准地聚焦于茶叶病害的特征。最后，借助植物病害数据集对ResNet50模型进行预训练，并将预训练后的模型参数迁移到茶叶病害数据集进行训练。试验结果表明：扩充后的数据集识别准确率较原数据集提高7.85%，进行二次迁移学习后识别准确率又提高3.26%，再添加CBAM注意力机制后识别准确率又提高0.81%。在对8种茶树病害进行验证时，所提方法的样本识别率与原始模型相比由77.24%提高至89.16%。改进后的模型具有更好的特征提取能力，能够有效提高小样本茶叶病害的识别准确率。

关键词：图像识别,深度学习,注意力机制,迁移学习,茶叶病害

基金资助：河南省科技攻关项目(222102210300)