文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于对比学习的番茄叶片病害识别研究

黄忠平

(安徽理工大学 计算机科学与工程学院,安徽 淮南 232001)

栏目:人工智能 · 第 2025 年第 11 期 · 页码:43-48 · 2096-4706(2025)11-0043-06 · 中图分类号:TP391.4 · 文献标识码:A · DOI:10.19850/j.cnki.2096-4706.2025.11.009

摘要

文章针对番茄叶片病害识别过程中,传统深度学习模型识别精度低、泛化能力有限的现状,提出了一种基于有监督对比学习方法的识别模型。该模型提出了基于通道注意力的AMECA模块,有效捕捉通道间依赖关系,提升了模型通道融合能力,提高了识别性能。将AMECA模块融入ResNet18模型中,作为图片特征提取器,通过有监督对比学习方法训练出高精度的番茄叶片病害识别模型。在番茄叶病数据集上的实验结果表明,模型的准确率达到99.198%,较原始的ResNet18模型提高3.208%。与其他一些传统的卷积神经网络相比,具有更高的识别精度,能够较好地识别番茄叶片病害,适用于自然场景下获取的番茄叶片图像,具有较强的实用性。

关键词

注意力机制;番茄叶片病害识别;图像识别;对比学习

参考文献

  1. [1] 张志刚,董涛,李瑞云.基于专利分析的中国番茄产业发展研究 [J].农业图书情报学刊,2018,30(11):72-76.
  2. [2] 王振奎.日光温室番茄高效栽培技术 [J].农业工程技术,2024,44(15):50-51.
  3. [3] 刘笠溶.基于深度学习的西红柿叶片病害识别研究及应用 [D].昆明:云南农业大学,2023.
  4. [4] HE K,ZHANG X,REN S,et al. Deep Residual Learning for Image Recognition [C]//Proceedings of the IEEE Conference on Computer Vision and Pattern recognition.Las Vegas:IEEE,2016:770-778.
  5. [5] VASWANI A,SHAZEER N,PARMAR N,et al. Attention is All You Need [C]//NIPS'17:Proceedings of the 31st International Conference on Neural Information Processing Systems.
  6. [6] 王汉生,姚建斌.基于ResNet和ViT双流网络的小麦病虫害识别 [J].农业技术与装备,2024(2):18-21.
  7. [7] WANG Q,WU B,ZHU P,et al. ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks [C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition.Seattle:IEEE,2020:11534-11542.
  8. [8] 叶荣,马自飞,高泉,等.基于改进YOLOv5s-ECA-ASFF算法的茶叶病害目标检测 [J].中国农机化学报,2024,45(1):244-251.
  9. [9] 曹义亲,曹鑫晨.融合膨胀卷积与ECA的钢材缺陷检测算法 [J].计算机工程与设计,2024,45(11):3312-3319.
  10. [10] WOO S,PARK J,LEE J Y,et al. CBAM: Convolutional Block Attention Module [C]//Proceedings of the European conference on computer vision (ECCV).Munich:Springer,2018:3-19.
  11. [11] 张重生,陈杰,李岐龙,等.深度对比学习综述 [J].自动化学报,2023,49(1):15-39.
  12. [12] CHEN T,KORNBLITH S,NOROUZI M,et al. A Simple Framework for Contrastive Learning of Visual Representations [C]//International Conference on Machine Learning. PMLR,2020:1597-1607.
  13. [13] 李希,刘喜平,李旺才,等.对比学习研究综述 [J].小型微型计算机系统,2023,44(4):787-797.
  14. [14] HE K,FAN H,WU Y,et al. Momentum Contrast for Unsupervised Visual Representation Learning [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition.Seattle:IEEE,2020:9729-9738.
  15. [15] KHOSLA P,TETERWAK P,WANG C,et al. Supervised Contrastive Learning [J].Advances in Neural Information Processing Systems,2020,33:18661-18673.
  16. [16] 陈承功.基于混合图像特征与区域特征的监督对比学习算法研究 [D].开封:河南大学,2024.
  17. [17] 张艳,车迅,汪芃,等.基于双节点-双边图神经网络的茶叶病害分类方法 [J].农业机械学报,2024,55(3):252-262.

作者简介

黄忠平(1984—),男,汉族,安徽安庆人,硕士研究生在读,研究方向:计算机视觉。