近日,必赢76net官网2022级电子信息专业研究生杨圆以第一作者在SCI三区期刊Ecological Informatics发表研究论文,论文题目为《A lightweight rice disease identification network based on attention mechanism and dynamic convolution》。
该论文是在我校焦铬教授的指导下完成,必赢76net官网为唯一署名单位。论文核心理论是:保证大米质量和产量的关键在于早期水稻病害的准确检测。然而真实场景中的稻田背景嘈杂,病状分布散乱,现有模型难以在保证轻量级的同时准确识别水稻病害类型。针对上述问题,本研究提出了一种用于水稻病害识别的新型轻量级高精度网络--DGLNet。DGLNet 包括两个低复杂度模块:全局注意力模块(GAM)和动态表征模块(DRM)。全局注意力模块旨在捕捉复杂噪声场景中的关键信息,从而提高模型的泛化能力。同时,DRM 中自主开发的四维灵活卷积(4D-FConv)可以从四个维度动态生成自适应卷积核参数。这使得 DRM 能够保持不同样本输入的多样性,从而增强模型拟合复杂函数的能力。因此,DRM 无需额外的网络层和通道就能增强特征表示。所提出的方法在两个真实植物病害数据集上分别达到了 99.82% 和 99.71% 的识别准确率,优于目前流行的方法。实验结果表明,所提出的方法不仅计算量小,而且能够在真实场景中准确识别水稻病害。此外,该研究还为病害识别和控制提供了有力的技术支持,为农业智能化和精准农业的实施提供了指导。
[文字、图片:杨圆]