文献类型：期刊文章

作　　者：钟昌源[1,2] 胡泽林[1] 李淼[1] 李华龙[1] 杨选将[1] 刘飞[3,4]

Zhong Changyuan;Hu Zelin;Li Miao;Li Hualong;Yang Xuanjiang;Liu Fei(Institute of Intelligent Machines,Hefei Institutes of Physical Science,Chinese Academy of Sciences,Hefei 230031,China;Science Island Branch of Graduate School,University of Science and Technology of China,Hefei 230026,China;Huanan Industrial Technology Research Institute,Zhejiang University,Guangzhou 510700,China;College of Biosystems Engineering and Food Science,Zhejiang University,Hangzhou 310058,China)

机构地区：[1]中国科学院合肥物质科学研究院智能机械研究所,合肥230031 [2]中国科学技术大学研究生院科学岛分院,合肥230026 [3]浙江大学华南工业技术研究院,广州510700 [4]浙江大学生物系统工程与食品科学学院,杭州310058

出　　处：《农业工程学报》

基　　金：国家重点研发计划项目(2017YFD0701600);广东省科技计划项目(2019B020216001);安徽省重点研究和开发计划项目(1804A07020102,201904A06020041);中国科学院科科技服务网络计划项目(KFJ-STS-QYZD-164)。

年　　份：2021

卷　　号：37

期　　号：4

起止页码：208-215

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算组内加强系数,减少不同组之间的抑制作用,加强特征表达能力。对比试验表明,分组注意力模块特征强化效果优于传统注意力模块。基于分组注意力模块,该研究提出一种实时高效农作物病害叶片语义分割模型,该模型融合了编码-解码语义分割模型和多流语义分割模型的优点。采用ResNet18模型作为特征提取网络对农作物病害叶片的语义分割像素精度达到93.9%,平均交并比达到78.6%。在单张NVIDIA GTX1080Ti显卡的硬件环境下,输入分辨率为900×600像素的图片,该模型运行速度达到每秒130.1帧,满足实时农作物病害叶片语义分割需求,为现代农业病害识别、自动施肥和精准灌溉等应用提供参考。

关 键 词：病害 模型  图像识别 注意力模块  迁移学习  语义分割  

分 类 号：TP391.4] S431.9[计算机类]