基于改进MobileViT网络的番茄叶片病害识别

摘要

针对卷积神经网络对番茄叶片型病害分类效果不佳的问题,提出了一种基于改进MobileViT轻量级网络的番茄病害识别方法。首先,删除输入和全局表征层的特征融合,将局部和全局表征层进行特征融合,使局部表征与全局表征更加密切相关;其次,为了避免模型在缩放时参数和FLOPS的大幅增加,在融合块中使用1×1卷积层替换3×3卷积层;然后,还添加了输入与融合块的残差结构,优化了网络模型中的更深层次;最后,将ReLU6激活函数替换成H-Swish激活函数,进一步提高了模型准确率。实验结果表明,改进后的MobileViT模型可以很好地实现番茄病害的识别,平均识别准确率达到99.16%。相较于其它的卷积神经网络模型,具有更高的识别精度。