典型文献
基于SK-EfficientNet的番茄叶片病害识别模型
文献摘要：
针对目前番茄叶片病害识别的深度学习模型网络参数量多、精确度低、移动端模型部署难的问题,提出一种基于SK-EfficientNet的番茄叶片病害识别方法.该方法采用轻量级模型EfficientNet作为基准模型,并利用选择性卷积核机制SKNet替换EfficientNet核心模块MBConv中的SENet,使得卷积核根据输入特征的多尺度信息自适应选择感受野大小,提高图像特征提取能力同时更有效地利用参数.多组对比实验结果显示,改进后的模型在训练精度上得到进一步提高,且模型参数仅为3.83 MiB.在PlantVillage数据集上平均准确率达到99.64％,且验证SK-EfficientNet-B2的识别精度最高;在自然场景下平均准确率较原模型提高3.81个百分点.结果表明,改进后模型能有效提高自然场景下番茄叶片病害识别精度,可为移动端部署番茄叶片病害识别模型提供参考.
文献关键词：
番茄叶片;病害识别;EfficientNet网络;SKNet;MBConv
中图分类号：
作者姓名：
帖军;隆娟娟;郑禄;牛悦;宋衍霖
作者机构：
中南民族大学 计算机科学学院, 湖北 武汉430074;湖北省制造企业智能管理工程技术研究中心, 湖北 武汉430074
文献出处：
引用格式：
[1]帖军;隆娟娟;郑禄;牛悦;宋衍霖-.基于SK-EfficientNet的番茄叶片病害识别模型)[J].广西师范大学学报（自然科学版）,2022(04):104-114
A类：
B类：
EfficientNet,番茄叶片,叶片病害,病害识别,识别模型,深度学习模型,网络参数,参数量,移动端,模型部署,轻量级模型,卷积核,SKNet,核心模块,MBConv,SENet,输入特征,多尺度信息,自适应选择,感受野,图像特征提取,特征提取能力,上得,MiB,PlantVillage,平均准确率,B2,识别精度,自然场景,百分点,端部
AB值：
0.327164
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。
