基于渐进式生成对抗网络的农作物病虫害细粒度分类

来源：中国农机化学报杂志2024年第3期北京时间：

作者：邓昀, 冯琦尧, 牛照文, 康燕萍,

摘要：随着深度学习应用的普及和飞速发展，基于深度学习的图像识别方法广泛应用于农作物病虫害领域，但大部分的神经网络重视识别准确率的提高，却忽略神经网络庞大的参数计算量。为解决这个问题，基于渐进式生成对抗网络判别器模型和卷积注意力模块，提出一种改进的渐进式生成对抗网络判别器CPDM网络模型对农作物病虫害进行识别。通过对渐进式生成对抗网络判别器网络结构的调整，采用均衡学习率、像素级特征向量归一化和卷积注意力模块增强CPDM网络模型的特征提取能力，提高对真实图片的识别准确率。试验在PlantVillage数据集上进行，将该模型与VGG16、VGG19和ResNet18进行比较，得到TOP1准确率分别为99.06%、96.50%、96.65%、98.86%，分别提高2.56%、2.41%、0.2%，且参数量仅为8.2 M。试验证明提出的CPDM网络模型满足在保证分类准确率的基础上，有效控制神经网络参数计算量的目的。

关键词：农作物病虫害,渐进式生成对抗网络,卷积注意力模块,细粒度分类

基金资助：广西科技计划项目(桂科AD16380059)；广西自然科学基金项目(2018GXNSFAA281235)