基于两级融合深度学习的松材线虫病识别

来源：中国农机化学报杂志2023年第7期北京时间：

作者：陈维美, 刘馨蔚, 王铁伟, 徐文凯, 李娟

单位：青岛农业大学机电工程学院，山东青岛，266109

摘要：针对无人机遥感获取的山区图像种类多且杂、患松材线虫病松树精准识别难的问题，提出一种带注意力机制的分类和识别两级深度学习模型的松材线虫病识别方法。首先，该方法利用VGG16模型进行图像分类和“瘦身”。然后，将第一级输出的含有患松材线虫病的图像输入到改进的YOLOv5目标识别模型中，该模型通过引入注意力机制模块，进一步扩大感受野，从而对患松材线虫病松树进行精准识别。最后，将所提出的方法和其他经典深度学习模型进行对比试验。结果表明：所提出的基于VGG16和改进的YOLOv5的两级融合深度学习模型的识别效果最好，识别准确率为85.58%，高于其他四种两级融合深度学习模型的识别准确率。所提出的方法不仅提高识别准确率，且解决以往在进行松材线虫病识别前需要人工进行图像分类的问题。

关键词：深度学习,图像识别,松材线虫病,YOLOv5,VGG16,人工智能(AI)

基金资助：国家自然科学基金项目(32073029)；山东省自然科学基金重点项目(ZR2020KC027)；山东省重点研发计划项目(2021LZGC026-07)