基于分组注意力模块的实时农作物病害叶片语义分割模型
TP391.4%S431.9; 针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算组内加强系数,减少不同组之间的抑制作用,加强特征表达能力.对比试验表明,分组注意力模块特征强化效果优于传统注意力模块.基于分组注意力模块,该研究提出一种实时高效农作物病害叶片语义分割模型,该模型融合了编码-解码语义分割模型和多流语义分割模型的优点.采用ResNet18模型作为特征提取网络对农作物病害叶片的语义分割像素精度达到93.9%,平均交并比达到78.6%.在单张NVIDIA GTX1080Ti显卡的硬件环境下,输...
Saved in:
Published in | 农业工程学报 Vol. 37; no. 4; pp. 208 - 215 |
---|---|
Main Authors | , , , , , |
Format | Journal Article |
Language | Chinese |
Published |
浙江大学生物系统工程与食品科学学院 杭州 310058
15.02.2021
中国科学院合肥物质科学研究院智能机械研究所,合肥 230031 中国科学技术大学研究生院科学岛分院,合肥 230026%中国科学院合肥物质科学研究院智能机械研究所,合肥 230031%浙江大学华南工业技术研究院,广州 510700 |
Subjects | |
Online Access | Get full text |
ISSN | 1002-6819 |
DOI | 10.11975/j.issn.1002-6819.2021.04.025 |
Cover
Abstract | TP391.4%S431.9; 针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算组内加强系数,减少不同组之间的抑制作用,加强特征表达能力.对比试验表明,分组注意力模块特征强化效果优于传统注意力模块.基于分组注意力模块,该研究提出一种实时高效农作物病害叶片语义分割模型,该模型融合了编码-解码语义分割模型和多流语义分割模型的优点.采用ResNet18模型作为特征提取网络对农作物病害叶片的语义分割像素精度达到93.9%,平均交并比达到78.6%.在单张NVIDIA GTX1080Ti显卡的硬件环境下,输入分辨率为900×600像素的图片,该模型运行速度达到每秒130.1帧,满足实时农作物病害叶片语义分割需求,为现代农业病害识别、自动施肥和精准灌溉等应用提供参考. |
---|---|
AbstractList | TP391.4%S431.9; 针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算组内加强系数,减少不同组之间的抑制作用,加强特征表达能力.对比试验表明,分组注意力模块特征强化效果优于传统注意力模块.基于分组注意力模块,该研究提出一种实时高效农作物病害叶片语义分割模型,该模型融合了编码-解码语义分割模型和多流语义分割模型的优点.采用ResNet18模型作为特征提取网络对农作物病害叶片的语义分割像素精度达到93.9%,平均交并比达到78.6%.在单张NVIDIA GTX1080Ti显卡的硬件环境下,输入分辨率为900×600像素的图片,该模型运行速度达到每秒130.1帧,满足实时农作物病害叶片语义分割需求,为现代农业病害识别、自动施肥和精准灌溉等应用提供参考. |
Author | 杨选将 钟昌源 李淼 胡泽林 刘飞 李华龙 |
AuthorAffiliation | 中国科学院合肥物质科学研究院智能机械研究所,合肥 230031;中国科学技术大学研究生院科学岛分院,合肥 230026%中国科学院合肥物质科学研究院智能机械研究所,合肥 230031%浙江大学华南工业技术研究院,广州 510700;浙江大学生物系统工程与食品科学学院 杭州 310058 |
AuthorAffiliation_xml | – name: 中国科学院合肥物质科学研究院智能机械研究所,合肥 230031;中国科学技术大学研究生院科学岛分院,合肥 230026%中国科学院合肥物质科学研究院智能机械研究所,合肥 230031%浙江大学华南工业技术研究院,广州 510700;浙江大学生物系统工程与食品科学学院 杭州 310058 |
Author_FL | Li Miao Li Hualong Liu Fei Zhong Changyuan Yang Xuanjiang Hu Zelin |
Author_FL_xml | – sequence: 1 fullname: Zhong Changyuan – sequence: 2 fullname: Hu Zelin – sequence: 3 fullname: Li Miao – sequence: 4 fullname: Li Hualong – sequence: 5 fullname: Yang Xuanjiang – sequence: 6 fullname: Liu Fei |
Author_xml | – sequence: 1 fullname: 钟昌源 – sequence: 2 fullname: 胡泽林 – sequence: 3 fullname: 李淼 – sequence: 4 fullname: 李华龙 – sequence: 5 fullname: 杨选将 – sequence: 6 fullname: 刘飞 |
BookMark | eNo9j81Kw0AUhWdRwVr7GOIqce5MZtIspfiHBTe6LpNkprTIFAyi7ms1CnYZ0FpxVxdWsFCw4ttkEh_DFMXVgcM957tnBZV0V0uE1gDbAJ7LNjp2O4q0DRgTi9fAswkmYGPHxoSVUPnfX0bVKGr7mAF1MXagjPbN0zyd35nrfv7Zy6bjrDcwNw_Z-Nk8Jvl9z0xGWTIz_WH6Nczjlzy5NJOpGczy-Or77TX9iIugid8X96PbVbSkxHEkq39aQUfbW4f1XatxsLNX32xYERT_WAVcUsEdTnyPcKkYUa4CT9VwyBzOAyVCJgWnmAVAQTAugYUQuhxE4LuuohW0_tt7JrQSutXsdE9PdEFs6otWcO4vxmOnQNEfh6pttw |
ClassificationCodes | TP391.4%S431.9 |
ContentType | Journal Article |
Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
DBID | 2B. 4A8 92I 93N PSX TCJ |
DOI | 10.11975/j.issn.1002-6819.2021.04.025 |
DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ) |
DatabaseTitleList | |
DeliveryMethod | fulltext_linktorsrc |
Discipline | Agriculture |
DocumentTitle_FL | Real-time semantic segmentation model for crop disease leaves using group attention module |
EndPage | 215 |
ExternalDocumentID | nygcxb202104025 |
GrantInformation_xml | – fundername: (国家重点研发计划项目); (广东省科技计划项目); 安徽省重点研究; (开发计划项目); (中国科学院科科技服务网络计划项目) funderid: (国家重点研发计划项目); (广东省科技计划项目); 安徽省重点研究; (开发计划项目); (中国科学院科科技服务网络计划项目) |
GroupedDBID | -04 2B. 4A8 5XA 5XE 92G 92I 93N ABDBF ABJNI ACGFO ACGFS ACUHS AEGXH AIAGR ALMA_UNASSIGNED_HOLDINGS CCEZO CHDYS CW9 EOJEC FIJ IPNFZ OBODZ PSX RIG TCJ TGD TUS U1G U5N |
ID | FETCH-LOGICAL-s1025-513e3a6462b926ef52f7f19f80d5466cfad5ea6305c131a56e15d1d761acb77f3 |
ISSN | 1002-6819 |
IngestDate | Thu May 29 04:08:36 EDT 2025 |
IsPeerReviewed | false |
IsScholarly | true |
Issue | 4 |
Keywords | 病害 迁移学习 语义分割 注意力模块 图像识别 模型 |
Language | Chinese |
LinkModel | OpenURL |
MergedId | FETCHMERGED-LOGICAL-s1025-513e3a6462b926ef52f7f19f80d5466cfad5ea6305c131a56e15d1d761acb77f3 |
PageCount | 8 |
ParticipantIDs | wanfang_journals_nygcxb202104025 |
PublicationCentury | 2000 |
PublicationDate | 2021-02-15 |
PublicationDateYYYYMMDD | 2021-02-15 |
PublicationDate_xml | – month: 02 year: 2021 text: 2021-02-15 day: 15 |
PublicationDecade | 2020 |
PublicationTitle | 农业工程学报 |
PublicationTitle_FL | Transactions of the Chinese Society of Agricultural Engineering |
PublicationYear | 2021 |
Publisher | 浙江大学生物系统工程与食品科学学院 杭州 310058 中国科学院合肥物质科学研究院智能机械研究所,合肥 230031 中国科学技术大学研究生院科学岛分院,合肥 230026%中国科学院合肥物质科学研究院智能机械研究所,合肥 230031%浙江大学华南工业技术研究院,广州 510700 |
Publisher_xml | – name: 中国科学技术大学研究生院科学岛分院,合肥 230026%中国科学院合肥物质科学研究院智能机械研究所,合肥 230031%浙江大学华南工业技术研究院,广州 510700 – name: 浙江大学生物系统工程与食品科学学院 杭州 310058 – name: 中国科学院合肥物质科学研究院智能机械研究所,合肥 230031 |
SSID | ssib051370041 ssj0041925 ssib001101065 ssib023167668 |
Score | 2.3462067 |
Snippet | TP391.4%S431.9; 针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算... |
SourceID | wanfang |
SourceType | Aggregation Database |
StartPage | 208 |
Title | 基于分组注意力模块的实时农作物病害叶片语义分割模型 |
URI | https://d.wanfangdata.com.cn/periodical/nygcxb202104025 |
Volume | 37 |
hasFullText | 1 |
inHoldings | 1 |
isFullTextHit | |
isPrint | |
journalDatabaseRights | – providerCode: PRVEBS databaseName: Academic Search Ultimate issn: 1002-6819 databaseCode: ABDBF dateStart: 20140101 customDbUrl: https://search.ebscohost.com/login.aspx?authtype=ip,shib&custid=s3936755&profile=ehost&defaultdb=asn isFulltext: true dateEnd: 99991231 titleUrlDefault: https://search.ebscohost.com/direct.asp?db=asn omitProxy: true ssIdentifier: ssj0041925 providerName: EBSCOhost |
link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV1LaxRBEG7yANGD-MQ3OdinsHF7Zvp17NmdJSh6SiC3MM94WiHZgOYco6tgjgGNEW_xYAQDASP-m8xufoZVPZPdSQy-LkNNTVVX1VfbWz0z3T2E3FVQ9UTCcV6YimqeDsOalklUi6WTQMHhjozxOeTDR2J61rs_x-dGRg8rs5aWO9FUvHLqupL_ySrwIK-4SvYfMjtoFBhAQ37hCBmG41_lmAac6hb1DQ08PKoAOUpRJWggqe9T5dFAUN-lRiEBp6plZQzVPnKAb5htp0m1RC1trBanJqA6QBng-8JqAd2wtpqWkFRparTVApqXWmAOhVtWy8ooaBkMtahpWnWNzKGrHE9957g_AVV-deh83AGFfgLHl9RwtAKKyrcONKkRNlgDl45-UDTQVDuIFgYEsg0LDMBQH4oA27XmLWQQJMoCCnIoIhAoZWEB037jlCvgZkFATKCsqw9WHIZzsYulpbYr2IYgWm0JZh2EGDxqZCUYwNezlyqIo4d-meZC6yQWFqbCEeOWMtqFewcrA22yiokBodEZ40yWEWHGbNM6mMTXNLxax7DQCVVWo7LQFbvrlB3aq1atuqoMgJwChF9rq5bcFle0MDWwMIXY2e2CixXsJ7Yvbz9biJ9GKAPlwuGjZNyRQjhjZNz4Tb81HLozfDoxqC0O7tAghrfCnLn4IYbB9C2cvMDtTIbSjTOEHjl573cu2sV57SxsL1TGkTMXyPnyBnDCFL35IhlZeXyJnDMLi-UmOOll8iD_sH-w_yZ_udb_vtrb3e6truev3vW2P-bvN_pvV_Odrd7GXr62efBjs9_91N94nu_s5ut7_e6Lwy-fD751QTHvfkX5rddXyGwrmGlM18qPntSWGH5amuNriVB4wom0I9KMO5nMmM5UPeGeEHEWJjwNBZTpmLks5CJlPGGJFCyMIykz9yoZaz9pp9fIhIoSnmVRErsq9uqp0AJXyUchS0KVChVeJxMlFPPln9rS_Il03fizyE1ydth7bpGxzuJyehsG6p3oTpnjnzB0sOo |
linkProvider | EBSCOhost |
openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E5%88%86%E7%BB%84%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%A8%A1%E5%9D%97%E7%9A%84%E5%AE%9E%E6%97%B6%E5%86%9C%E4%BD%9C%E7%89%A9%E7%97%85%E5%AE%B3%E5%8F%B6%E7%89%87%E8%AF%AD%E4%B9%89%E5%88%86%E5%89%B2%E6%A8%A1%E5%9E%8B&rft.jtitle=%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E5%AD%A6%E6%8A%A5&rft.au=%E9%92%9F%E6%98%8C%E6%BA%90&rft.au=%E8%83%A1%E6%B3%BD%E6%9E%97&rft.au=%E6%9D%8E%E6%B7%BC&rft.au=%E6%9D%8E%E5%8D%8E%E9%BE%99&rft.date=2021-02-15&rft.pub=%E6%B5%99%E6%B1%9F%E5%A4%A7%E5%AD%A6%E7%94%9F%E7%89%A9%E7%B3%BB%E7%BB%9F%E5%B7%A5%E7%A8%8B%E4%B8%8E%E9%A3%9F%E5%93%81%E7%A7%91%E5%AD%A6%E5%AD%A6%E9%99%A2+%E6%9D%AD%E5%B7%9E+310058&rft.issn=1002-6819&rft.volume=37&rft.issue=4&rft.spage=208&rft.epage=215&rft_id=info:doi/10.11975%2Fj.issn.1002-6819.2021.04.025&rft.externalDocID=nygcxb202104025 |
thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fnygcxb%2Fnygcxb.jpg |