改进Resnet50的葡萄叶片病害识别
兰博文

广西民族大学，广西南宁，530007；

摘要：葡萄叶片病害在早期病变时具有病斑不明显，病斑形状不规则等特点，使得现有卷积网络识别困难。本文提出了一种改进的ResNet50模型用于葡萄叶片病害识别。该模型在ResNet50的基础上,添加了SimAM注意力机制,增加模型对病斑的敏感性，引入多尺度卷积结构，以捕捉病害斑点的不同尺度信息。在PlantVillage上进行训练,结果表明,改进的模型相比原始ResNet50取得了更高的识别准确率,达到了99.63%，为建立自动化病害诊断系统提供重要应用价值。

关键词：葡萄叶片病害；残差网络；SimAM；多尺度卷积

参考文献

[1]潘鸿,韩薇,王曰军.葡萄树常见病虫害的防治技术[J].农业灾害研究,2023,13(01):10-12.

[2]张彦通,苏前敏.基于迁移学习的玉米病害图像识别[J].中国农业科技导报,2023,25(10):119-125.DOI:10.13304/j.nykjdb.2022.0218.

[3]谢圣桥,宋健,汤修映等.基于迁移学习和残差网络的葡萄叶部病害识别[J].农机化究,2023,45(08):18-23+28.DOI:10.13427/j.cnki.njyi.2023.08.048.

[4]何前,郭峰林,王哲豪等.基于改进AlexNet的葡萄叶部病害分类算法[J].扬州大学学报(自然科学版),2023,26(02):52-58.DOI:10.19411/j.1007-824x.2023.02.008.

[5]Bahdanau D,Cho K,Bengio Y.Neural machine translation by jointly learning to align and translate[J].arXiv preprint arXiv:1409.0473,2014.

[6]陈浪浪,张艳.基于改进深度卷积神经网络的水稻病虫害识别[J].山农农业科学学,2023,55(05):164-172.DOI:10.14083/j.issn.1001-4942.2023.05.024.

[7]贾璐,叶中华.基于注意力机制和特征融合的葡萄病害识别模型[J].农业机械学报,2023,54(07):223-233.