一种基于改进ShuffleNetV2的柑橘病害识别方法技术

本发明专利技术提供一种基于改进ShuffleNetV2网络的柑橘叶部病害识别方法。首先获取柑橘叶片健康状态和柑橘叶片病害图像，并对图像进行数据增强处理，构建柑橘叶片病害数据集；然后通过混合注意力机制ECAM和Ghost模块改进ShuffleNetV2网络，提升病害识别率且保持模型轻量化；接着将训练数据集放入改进的ShuffleNetV2模型进行训练，得到训练中最佳模型；最后使用改进ShuffleNetV2模型对柑橘病害叶片进行识别。本申请提供一种在复杂环境下能够快速且准确的识别柑橘病害方法，通过人工智能技术辅助柑橘病害检测，可以提高柑橘疾病防治效率，能够减少因病害所带来的经济损失。

【技术实现步骤摘要】

本专利技术涉及农作物病虫害识别，具体是一种基于改进shufflenetv2的柑橘病害识别方法。

技术介绍

1、传统的柑橘病害识别方法是人工巡园诊断，该方法需要有经验的种植人员或者是农业专家进行实地观察；该方法由于人工识别工作量大、耗时长、识别主观性强等原因，导致病害检测效果并不理想，各类柑橘病害仍时有爆发。

2、随着计算机视觉技术发展，农作物病害智能识别相比于传统人工识别方法具有更高的准确率和效率，但由于人工选择特征需要消耗大量的时间和金钱，这导致了传统机器学习的准确性并不理想。深度学习技术能够自动提取特征，所训练出来的模型具备更好的识别准确度和鲁棒性，但目前基于深度学习的柑橘病害识别方法主要集中在resnet、vgg等传统卷积神经网络，这些网络计算开销大，难以满足实际应用需求。

技术实现思路

1、为了解决传统人工诊断工作量大、耗时长以及计算机视觉特征提取困难、深度学习模型复杂等问题。本专利技术提供了一种基于改进shufflenetv2的柑橘病害识别方法，在保持模型轻量化的前提下，进一步提高模型识本文档来自技高网...

【技术保护点】

1.一种基于改进ShuffleNetV2的柑橘病害识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于改进ShuffleNetV2的柑橘病害识别方法，其特征在于：步骤S1所述柑橘病害叶片包括溃疡病、炭疽病、黄龙病。

3.根据权利要求1所述的一种基于改进ShuffleNetV2的柑橘病害识别方法，其特征在于：所述步骤S3中归一化使用滑动平均法计算全局均值和方差，有助于加快网络模型收敛。

4.根据权利要求1所述的一种基于改进ShuffleNetV2的柑橘病害识别方法，其特征在于：所述步骤S4中训练集、测试集以8∶2的比例随机抽取每一个类别...

【技术特征摘要】

1.一种基于改进shufflenetv2的柑橘病害识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于改进shufflenetv2的柑橘病害识别方法，其特征在于：步骤s1所述柑橘病害叶片包括溃疡病、炭疽病、黄龙病。

3.根据权利要求1所述的一种基于改进shufflenetv2的柑橘病害识别方法，其特征在于：所述步骤s3中归一化使用滑动平均法计算全局均值和方差，有助于加快网络模型收敛。

4.根据权利要求1所述的一种基于改进shufflenetv2的柑橘病害识别方法，其特...

【专利技术属性】
技术研发人员：莫泳彬，严继池，熊春林，伍祚华，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：