华中农业大学学报

作者：满超，饶元，张敬尧，乔焰，王胜和

单位：1.安徽农业大学信息与计算机学院,合肥 230036;2.安徽省公安教育研究院,合肥 230031;3.合肥工业大学计算机与信息学院,合肥 230601

关键词：病害识别;小样本;生成对抗网络;深度卷积神经网络

基金：安徽省自然科学基金项目（2008085MF203）；安徽省重点研究和开发计划面上攻关项目（201904A06020056）；安徽省高校自然科学研究重点项目（2022AH053088）

为解决田间复杂环境下小样本黄瓜叶片病害识别中模型泛化能力差、识别准确率不高的问题，将自注意力机制模块引入激活重建生成对抗网络（activation reconstruction GAN，AR-GAN），采用Smooth L1正则化作为损失函数，设计改进激活重建生成对抗网络IAR-GAN（improved AR-GAN）增广黄瓜叶片病害图像。通过在Inception网络基础上加入空洞卷积和形变卷积，设计空洞和形变卷积神经网络（dilated and deformable convolutional neural network，DDCNN）用于黄瓜叶片病害识别。试验结果显示，提出的IAR-GAN有效缓解了过拟合现象，丰富了生成样本的多样性；所提出的DDCNN对黄瓜炭疽病、斑靶病和霜霉病的平均识别准确率均达到96%以上，比Inception-V3模型提高了9个百分点。以上结果表明，本研究提出的数据增广方法和病害识别模型可为复杂环境下小样本的作物叶部病害的准确识别提供新思路。

来源：2023年第3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2023年第3期