第60卷第2期/2023年1月/激光与光电子学进展0210005-1研究论文基于多尺度特征融合的轻量化苹果叶部病理识别王等准1，2，李飞1，2，严春雨1，2，刘瑞欣1，2，闫建伟3，张文勇4，谢本亮1，2*1贵州大学大数据与信息工程学院，贵州贵阳550025；2半导体功率器件可靠性教育部工程研究中心，贵州贵阳550025；3贵州大学机械工程学院，贵州贵阳550025；4贵州大学计算机科学与技术学院，贵州贵阳550025摘要苹果叶部病害的发生极大地影响了苹果的品质和产量，对病害的监测是确保苹果产业健康发展的重要措施。在ResNet结构基础上，提出了一种基于多尺度特征融合的轻量化病害识别模型。首先，采用特征融合机制，提取并融合网络高低维特征，加强卷积层之间语义信息的传递，增强识别细微病斑的能力。其次，加入多尺度深度可分离卷积，利用多尺度卷积核结构对不同尺度的病害特征进行提取，提高特征的丰富度，同时约束模型的参数量。最后，为验证所提模型的有效性，采用一个包含5种苹果叶部病害数据集进行了实验。实验结果表明，该模型取得了98.05%的识别准确率，模型参数量和计算量仅为4.02MB和0.92GB，与其他模型相比同样具有优势，可为农业自动化精准识别病虫害提供新的方案。关键词图像处理；深度学习；病害识别；多尺度；轻量化；ResNet中图分类号TP181；S432；TP391.41文献标志码ADOI：10.3788/LOP212261LightweightApple-LeafPathologicalRecognitionBasedonMultiscaleFusionWangDengzhun1,2,Lifei1,2,YanChunyu1,2,LiuRuixin1,2,YanJianwei3,ZhangWenyong4,XieBenliang1,2*1CollegeofBigDataandInformationEngineering,GuizhouUniversity,Guiyang550025,Guizhou,China;2SemiconductorPowerDeviceReliabilityEngineeringResearchCenteroftheMinistryofEducation,Guiyang550025,Guizhou,China;3SchoolofMechanicalEngineering,GuizhouUniversity,Guiyang550025,Guizhou,China;4SchoolofComputerScienceandTechnology,GuizhouUniversity,Guiyang550025,Guizhou,ChinaAbstractTheoccurrenceofappleleafdiseaseshasasignificantimpactonapplequalityandyield.Diseasemonitoringisthereforeanimportantmeasuretoensurethehealthydevelopmentoftheappleindustry.BasedontheResNetstructure,alightweightdiseaserecognitionmodelbasedonmultiscalefeaturefusionisproposed.First,thefeaturefusionmechanismisusedtoextractandfusethehigh-dimensionalandlow-dimension...
