[1]马 晓,董天亮,钟闻宇,等.基于改进ConvNeXt的大豆叶片病害分类研究[J].大豆科学,2023,42(06):733-741.[doi:10.11861/j.issn.1000-9841.2023.06.0733]
点击复制

基于改进ConvNeXt的大豆叶片病害分类研究

《大豆科学》[ISSN:1000-9841/CN:23-1227/S] 卷: 第42卷 期数: 2023年06期 页码: 733-741 栏目: 出版日期: 2023-11-20
Title:
Soybean Leaf Diseases Classification Method Based on Improved ConvNext
作者:
马 晓1; 2; 董天亮1; 2; 钟闻宇1; 薄小永1; 黄 斌1; 武青海1; 2
1.吉林农业科技学院 电气与信息工程学院，吉林 吉林 132101；2.吉林化工学院 信息与控制工程学院，吉林 吉林 132022
关键词:
图像分类; ConvNeXt; 注意力机制; 数据增强; 大豆叶片病害
DOI:
10.11861/j.issn.1000-9841.2023.06.0733
摘要:
针对现有的卷积神经网络在大豆叶片病害分类中存在复杂背景干扰的问题，提出一种改进的ConvNeXt算法，并对大豆两种常见病害以及健康叶片进行分类识别。通过在传统ConvNeXt算法的基础上增加多个注意力模块，使网络更能关注具有辨别性的特征，并选用LeakyReLu激活函数代替ReLu激活函数，避免神经元失活的现象。此外通过对数据集进行数据增强，操作多样化病害数据集，提升网络的鲁棒性。结果表明：改进的ConvNeXt算法对大豆叶片病害在测试集上的平均分类准确率均优于原ConvNeXt、ResNet50以及Swin Transformer 3个对比模型。在数据增强后，测试集上的平均识别准确率达到85.42%，研究结果可为解决复杂背景信息干扰情况下大豆叶片病害图像分类提供参考。
更新日期/Last Update: 1900-01-01