基于改进MobileNetV2的马铃薯叶片病害识别OA
针对马铃薯叶片病害识别难度高、人工检测效率低的问题,本文设计了一种融合高效通道注意力(Efficient Channel Attention,ECA)模块的轻量级MobileNetV2网络,以显著提升马铃薯病害识别准确率。该网络通过在MobileNetV2的倒残差块中嵌入ECA模块,有效强化模型对病害关键区域的特征感知与表征能力,并基于马铃薯叶片病害数据集开展训练与验证。实验结果表明,所提ECA-MobileNetV2模型性能优异,其识别准确率较原始MobileNetV2、GhostNet、ShuffleNetV2和ResNet50分别提升11.21%、8.69%、14.01%和11.21%,验证了所提方法的有效性与可行性,为马铃薯叶片病害智能识别提供了可靠技术方案。
詹威威;王俊熙;朱华蕴;侯振兴
科大讯飞股份有限公司,安徽合肥230088河南工业大学人工智能与大数据学院,河南郑州450000河南工业大学人工智能与大数据学院,河南郑州450000河南工业大学人工智能与大数据学院,河南郑州450000
信息技术与安全科学
深度学习马铃薯叶片注意力机制MobileNetV2
《新一代信息技术》 2026 (6)
P.24-30,7
评论