基于深度学习的芒果病虫害识别研究
陆多杰 高颜军 胡世康

丽江文化旅游学院信息学院，云南丽江，674100；

摘要：目前，中国芒果种植面积剧增，精准的识别芒果病虫害对保障产量具有重要意义。基于此，本文提出了GLNet网络以提升识别的准确性和稳定性，该网络由局部特征提取、全局特征提取和特征融合三个模块组成。局部特征提取模块用3x3卷积和残差连接，能捕捉边缘变化等细节特征；全局特征提取模块用大尺寸卷积核，能提取芒果叶片上病斑的整体分布规律。特征融合模块则增加了混合注意力机制，进一步提升融合后特征的表现力。实验结果显示，GLNet模型分类准确率高达98.44%，交叉熵损失值只有0.0503，能有效地协同提取和融合局部特征与全局特征，不仅提高识别精度，还大幅降低了模型的损失值。

关键词：深度学习；GLNet；特征融合；混合注意力机制

参考文献

[1]张立,林祥锐,张钰,等.基于深度学习的玉米病虫害分类研究[J].智能物联技术,2022,5(02):28-31.

[2]Cen L P, Ji J, Lin J W, et al．Automatic detection of 39 fundus diseases and conditions in retinal photographs using deep neural networks [J]．Nature Communications, 2021，12(1)：4828.

[3]Zhao Y, Li X, Yu K, et al．Hyperspectral imaging for determining pigment contents in cucumber leaves in response to angular leaf spot disease[J]．2016,6:27790.

[4]Srdjan S, Marko A, Andras A, et al．Deep neural networks based recognition of plant diseases by leaf image classification．[J]．Computational Intelligence and Neuroscience,2016,2016:1-11.

[5]沈熠辉,何惠彬,陈小宇,等.融合SKNet与MobilenetV3的芒果叶片病虫害分类方法[J].福建农业学报,2024,39(05):584-592.DOI:10.19303/j.issn.1008-0384.2024.05.010.

[6]张德军,周学成,杨旭东.基于图像处理和深度迁移学习的芒果果实病状识别[J].华南农业大学学报,2021,42(04):113-124.