华中农业大学学报

作者：李西兴，陈佳豪，吴锐，杨睿

单位：湖北工业大学机械工程学院/湖北工业大学现代制造质量工程湖北省重点实验室，武汉 430068

关键词：MaxViT-DF;辣椒病害分类;可变形卷积;特征融合;深度学习

基金：国家自然科学基金项目（51805152）；湖北工业大学绿色工业引领计划项目（XJ2021005001）；湖北省自然科学基金项目（2022CFB445）；湖北省重点研发计划项目（2021BAA203）

为实现复杂环境下辣椒病害的精准识别和分类，设计了一种适用于辣椒病害识别分类的方法。以辣椒在生长过程中常见的6种病害为分类研究的对象，使用数据增强的方法扩充数据集，提出一种基于MaxViT改进的MaxViT-DF模型，将MaxViT模型中的普通卷积替换为可变形卷积，使模型在提取特征时能更贴近复杂环境下的识别目标；同时在MaxViT模型施加注意力时引入特征融合模块，提高模型的全局感知能力。结果显示，改进的MaxViT-DF模型识别分类准确率达到98.10%，对6种辣椒病害的分类精度均高于95%。与ResNet-34、EfficientNetv2和VGG-16等模型相比，改进模型在收敛速度和分类精度上具有明显优势。以上结果表明，MaxViT-DF模型能够对不同种类的辣椒常见病害进行有效的分类识别。

来源：2024年第2期

《华中农业大学学报》期刊编辑部

查看华中农业大学学报杂志2024年第2期