曹 欢,方 睿

(成都信息工程大学 计算机学院,四川 成都 610225)

0 引 言

芒果属漆树科热带常绿大乔木,早结丰产,种植效益高,经过多年培育发展,中国现已成为世界第二大芒果生产国,仅次于印度,年产量约为435.159 3万吨,占世界芒果总产量的11.2%。芒果可直接食用,也可以入药,随着近年来芒果种植面积的不断扩大,已在中国形成三大芒果主产区:海南昌江,广西百色,攀枝花盐边。受当前温室效应的影响,芒果培育期也随温度增高而延长,利于产量的增加。芒果大面积种植后,若有病虫害发生,需要大量人力物力进行监管,还需通过人工进行识别,引入深度学习技术,可加快智慧农业的步伐,在发病早期监测到病害,可减少农药的用量,定点施药,将对芒果产量、质量的影响降到最低,还能减少对环境的污染。

该文以攀西地区芒果常见的12种病虫害图片建立数据集,在Pytorch框架下搭建MobileNetV2、MobileNetV3、ShuffleNetV2、MobileViT这4种不同规模的卷积神经网络模型,并结合当前常用的训练策略迁移学习,对比不同模型的参数量、精确率、召回率等,最终选择了MobileViT为芒果病虫害识别模型,该模型的精确率为96.31%,召回率为96.12%,F1为96.20%,表现均优于其他模型。

1 相关研究

当前已有大量深度学习技术用于农业病虫害识别的研究。陈伟文等[1]利用改进后的网络AlexNet-Improved对番茄叶片病害图片进行识别,原模型的过拟合问题得到改善,模型准确率为95.8%,比改进前高2%;蒋力顺等[2]用AlexNet、VGG-16和ResNet50三种不同深度的网络对黄瓜病害识别进行研究,最终选择ResNet50进行病害识别,识别率为99.06%;王超等[3]用Resnet50对玉米叶片病害进行识别,分类准确率为92.82%,实验结果明显优于传统机器学习方法。……