典型文献
面向移动端的苹果叶部病虫害轻量级识别模型
文献摘要：
花叶病、斑点落叶病、褐斑病、白粉病、黄蚜、浅叶蛾和红蜘蛛是常见的苹果叶部病虫害,严重影响了苹果的产量和品质.病虫害早期诊断和防治可以有效地控制病害传播,降低损失,保障苹果产业的健康发展.为解决现有轻量级模型无法精准识别早期苹果叶部稀疏小病斑的问题,该研究面向资源受限的移动端设备,提出一种轻量级识别模型ALS-Net(Apple Leaf Net using Channel Shuffle).在轻量化模型(ShuffleNetV2)的基础上,基于深度可分离卷积和通道混洗构建ALS模块,可降低模型的计算量和参数量.其次,采用知识蒸馏策略训练模型,进一步提高网络精度.试验结果表明,ALS-Net的模型精度可达99.43％,且模型大小仅为1.64 MB.移动端推理延迟为55 ms,能够有效满足实际应用需求,并实现基于移动端的苹果叶部病虫害自动实时监测.
文献关键词：
模型;病虫害;苹果叶片;通道混洗;知识蒸馏;轻量化;移动端实时推理
中图分类号：
作者姓名：
刘斌;贾润昌;朱先语;于聪;姚卓含;张海曦;何东健
作者机构：
西北农林科技大学信息工程学院,杨凌 712100;农业农村部农业物联网重点实验室,杨凌 712100;西北农林科技大学机械与电子工程学院,杨凌 712100;陕西省农业信息感知与智能服务重点实验室,杨凌 712100
文献出处：
引用格式：
[1]刘斌;贾润昌;朱先语;于聪;姚卓含;张海曦;何东健-.面向移动端的苹果叶部病虫害轻量级识别模型)[J].农业工程学报,2022(06):130-139
A类：
移动端实时推理
B类：
病虫害,识别模型,花叶病,斑点落叶病,褐斑病,白粉病,红蜘蛛,产量和品质,诊断和防治,降低损失,苹果产业,轻量级模型,精准识别,小病,资源受限,端设备,ALS,Apple,Leaf,using,Channel,轻量化模型,ShuffleNetV2,深度可分离卷积,通道混洗,计算量,参数量,知识蒸馏,策略训练,训练模型,模型精度,MB,ms,应用需求,苹果叶片
AB值：
0.326369
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
