计算机工程

作者：何欣, 李书琴, 刘斌

单位：西北农林科技大学 信息工程学院, 陕西 杨凌 712100

关键词：残差网络,病害识别,Mask R-CNN网络,多卷积组合,识别准确率

基金：中央高校基本科研业务费专项资金（2452019064）；陕西省重点研发计划（2019ZDLNY07）；宁夏智慧农业产业技术协同创新中心项目（2017DC53）。

葡萄叶片不同程度的病害具有一定的相似性，目前对于葡萄叶片病害的识别多为病害种类识别，对不同程度病害识别的研究较少，且传统识别方法对于不同程度病害识别准确率较低。提出一种基于多尺度残差神经网络（Multi-Scale ResNet）的葡萄叶片病害识别方法。对葡萄叶片病害图像进行数据增强与叶片区域标注后，使用Mask R-CNN提取葡萄叶片部位，通过引入多尺度卷积以改变ResNet底层对不同尺度特征的响应，利用加入的SENet提升网络的特征提取能力，并将图像输入Multi-Scale ResNet中进行识别。实验结果表明，该方法的平均识别准确率达到90.83%，相比ResNet18提高了2.87个百分点。

来源：2021年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第5期