基于注意力胶囊网络的梨树叶部病害图像识别方法

khadka

针对梨树叶部病害人工识别防治工作中存在主观性强、耗时费工、效率低下、误判率高,以及当前部分网络算法和信息技术对梨树叶部病害图像识别准确率较低的问题,以重庆市永川区黄瓜山梨种植基地为研究区域,以胶囊网络为基础,提出了一种基于注意力胶囊网络的梨树叶部病害图像识别方法。首先,融入优化的注意力机制和残差密集单元,提高模型对病害图像特征提取能力;其次,在不改变网络结构的基础上,验证了不同参数、不同迭代次数对病害图像识别效果的影响;最后,在基本参数相同的情况下,验证了不同算法对病害图像识别的有效性。通过与传统胶囊网络、卷积神经网络、CNN等多种算法在准确率、有效性方面的对比试验,基于注意力胶囊网络的梨树叶部病害识别方法准确率达到93.74%,能够有效抑制病害图像中不相关特征,并很好地提取梨树叶部病害图像有效关键特征,具有较强的病害图像识别能力。研究结果可为梨树叶部病害智能识别诊断鉴定提供新思路、新方法,对推进智慧农业发展和农业农村现代化建设提供理论参考。