基于多尺度注意力卷積神經(jīng)網(wǎng)絡(luò)的蘋果葉部病害識別方法

打開文本圖片集

摘要：針對傳統(tǒng)蘋果葉部病害識別方法識別率低和現(xiàn)有卷積神經(jīng)網(wǎng)絡(luò)（CNN）訓(xùn)練時間長的問題，提出一種基于多尺度注意力卷積神經(jīng)網(wǎng)絡(luò)的蘋果葉部病害識別方法。該方法由多尺度空洞卷積模塊Inception與改進的殘差模塊組成，其中，多尺度空洞卷積模塊Inception用于圖像的多尺度特征提取，在卷積模塊中引入雙注意力機制增強網(wǎng)絡(luò)模型，顯著表示圖像中葉部病斑區(qū)域特征，降低非病斑區(qū)域與背景區(qū)域?qū)ψR別結(jié)果的干擾，在原始?xì)埐钅K上引入卷積層與非線性激活函數(shù)改進的殘差模塊，增加魯棒性判別特征的跨層融合，在蘋果病害葉片圖像數(shù)據(jù)集上的識別準(zhǔn)確率達96%以上。（剩余10189字）