基于多尺度注意力卷积神经网络的苹果叶部病害识别方法

打开文本图片集

摘要：针对传统苹果叶部病害识别方法识别率低和现有卷积神经网络（CNN）训练时间长的问题，提出一种基于多尺度注意力卷积神经网络的苹果叶部病害识别方法。该方法由多尺度空洞卷积模块Inception与改进的残差模块组成，其中，多尺度空洞卷积模块Inception用于图像的多尺度特征提取，在卷积模块中引入双注意力机制增强网络模型，显著表示图像中叶部病斑区域特征，降低非病斑区域与背景区域对识别结果的干扰，在原始残差模块上引入卷积层与非线性激活函数改进的残差模块，增加鲁棒性判别特征的跨层融合，在苹果病害叶片图像数据集上的识别准确率达96%以上。（剩余10189字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。