基于改進輕量化網(wǎng)絡MobileViT的蘋果葉片病蟲害識別方法

打開文本圖片集

摘要：針對蘋果葉片病害識別準確率低以及現(xiàn)有模型難以適應真實復雜場景等問題，提出一種改進的輕量化網(wǎng)絡——MobileViT_filter_FCN，以提高對蘋果葉片病害的識別準確率，并使得模型可以適應戶外的復雜光照及遮擋環(huán)境。首先收集5類常見蘋果葉片病害（如落葉病、褐斑病等）的圖像樣本，并利用多種數(shù)據(jù)增強技術對樣本數(shù)據(jù)進行預處理（如水平翻轉、垂直翻轉等），以增加樣本數(shù)據(jù)的多樣性并提高模型的泛化能力；接著利用傅里葉變換技術設計一個可學習的濾波器層Filter layer，替換原始MobileViT模型中的多頭注意力結構，以降低圖片中的噪聲影響并提高模型性能；最后，在修改后的MobileViT 模型基礎上，利用深度卷積層和殘差結構設計一種FCN結構，結合該結構增強模型對病害圖像的特征學習能力，進一步提高模型性能。（剩余10570字）