高效运算网络在作物叶部病害识别中的研究

来源：中国农机化学报杂志2021年第7期北京时间：

作者：孙圆龙;徐晓辉;宋涛;崔迎港;司玉龙;

单位：河北工业大学电子信息工程学院;

摘要：卷积神经网络模型参数冗余太大,收敛速度慢,对硬件计算资源要求过高,导致适用性差,不适合布署在边缘侧的嵌入式设备上,且大多数识别模型鲁棒性差,在复杂环境下识别效果不佳。为解决以上问题,设计两个基本模块用于搭建病害识别网络:一是高效残差模块,采用残差和多种卷积分解结构,在保证识别精度的情况下简化模型;二是恒等残差模块,用于加深网络层次,提升网络的拟合能力和抗干扰能力。搭建的高效运算网络对简单背景下的多种作物病害进行识别,训练集的准确率达到99.37%,验证集的准确率达到98.48%。优化损失函数后,训练集和验证集的准确率均在99%以上,收敛速度加快,参数内存仅3.15 MB,降低硬件计算力(FLOPs)的要求到1.71 M。将提出来的模型在复杂背景下进行测试,识别准确率均达到92.6%,且硬件计算力需求,参数内存,识别精度均优于MobileNet和ResNet,为实时检测作物病害提供参考。

关键词：作物病害识别,高效运算网络,边缘计算,鲁棒性

基金资助：河北省重点研发计划项目(20327201D) 石家庄市重点研发计划项目(191130154A)