基于改进ResNet34的水稻叶片病害识别模型

徐鹏1周纯华2赵鑫1吴青雷3

1.山西铁道职业技术学院2.山西农业大学信息科学与工程学院3.太原理工大学计算机科学与技术学院

摘要：水稻叶片病害会对水稻产量造成严重影响，及时准确地识别病害至关重要。卷积神经网络在图像识别领域表现出色，但对于水稻叶片病害识别任务，现有的CNN模型存在特征提取能力不足的问题。为此，提出一种基于改进ResNet34的水稻叶片病害识别模型，通过引入非局部注意力机制和深度可分离卷积层，增强模型的特征提取能力。非局部注意力机制有效聚焦于图像中与病害相关的关键区域，提升模型对病害特征的敏感性；深度可分离卷积层则显著减少模型参数量，同时保持特征提取的性能。通过在水稻叶片病害数据集上与ResNet34、ResNet101、VGG16、VGG19、MobileNetV2、Swin Transformer等主流算法对比，验证所提算法的有效性。与ResNet34模型相比，改进后算法的准确率提高5.6%，召回率提高4.8%，F1分数提高5.2%。此外，对改进后算法的鲁棒性进行评估，结果表明，该算法对图像旋转、缩放和噪声具有良好的鲁棒性。

关键词：水稻叶片病害；深度可分离卷积层；非局部注意力机制；深度学习；卷积神经网络

文章来源：《中国农机化学报》