基于改進(jìn) YOLOX Nano 的番茄葉片病害識(shí)別研究 方曉捷 嚴(yán)李強(qiáng) null 張福豪 宋沛琳 西藏大學(xué)信息科學(xué)技術(shù)學(xué)院 西藏拉薩 nullnullnullnullnullnull 摘要 近年來(lái) 番茄遭受的病害種類越來(lái)越多 這些病害對(duì)番茄產(chǎn)量和果實(shí)品質(zhì)產(chǎn)生巨大影響 及時(shí)高效識(shí)別病害并采取有效措施成為 當(dāng)前番茄生產(chǎn)的迫切需求 針對(duì)現(xiàn)有模型番茄病害識(shí)別率較低以及模型較大較復(fù)雜的問(wèn)題 提出一種基于改進(jìn) nullnullnullnullnullnullnullnullnullnull 的病害識(shí) 別模型 通過(guò)引入全局注意力機(jī)制以增強(qiáng)特征圖的全局信息捕捉能力 改進(jìn)特征金字塔網(wǎng)絡(luò)中的上采樣模塊和路徑聚合網(wǎng)絡(luò)中的下采 樣模塊 以提升特征的表達(dá)能力和融合效果 試驗(yàn)結(jié)果表明 該方法對(duì)番茄葉片病害識(shí)別的 nullnullnull 達(dá)到 nullnullnullnullnullnull 優(yōu)化后的模型不僅在番 茄葉片病害識(shí)別上表現(xiàn)出高準(zhǔn)確率和快速檢測(cè)性能 而且參數(shù)量和計(jì)算量較少 便于部署于手機(jī)等移動(dòng)設(shè)備 該方法可為番茄葉片病 害輕量化快速高效識(shí)別提供參考 關(guān)鍵詞 nullnullnullnullnullnullnullnullnullnull 網(wǎng)絡(luò) nullnullnull 注意力機(jī)制 番茄病害識(shí)別 中圖分類號(hào) nullnull nullnullnullnullnullnull 文獻(xiàn)標(biāo)識(shí)碼 null 文章編號(hào) nullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnull doi nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull 開(kāi)放科學(xué) 資源服務(wù) 標(biāo)識(shí)碼 OSID esearch on Tomato Leaf Disease ecognition Based on Improved YOLOX Nano FANG Xiao jie YAN Li qiang ZHANG Fu hao et al nullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnull Abstract nullnull nullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnull null nullnullnullnull nullnullnullnullnullnull nullnull nullnullnullnullnullnull nullnullnullnullnull nullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnull nullnull nullnullnullnullnullnull nullnullnullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnull nullnullnullnullnullnull nullnull nullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnull nullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnull nullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnull null nullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnull null nullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnull nullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnull nullnullnull nullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnull nullnull nullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnull nullnullnull nullnullnull nullnull nullnullnullnull nullnullnullnullnull nullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnull nullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnull nullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnull nullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnull nullnullnullnull nullnull nullnullnullnullnullnull nullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnull nullnull nullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnull nullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnull Key words nullnullnullnullnull null nullnullnullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull 基金項(xiàng)目 nullnullnullnull 年中央引導(dǎo)地方科技發(fā)展資金項(xiàng)目 nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnull 西藏大學(xué)研究生 高 水 平 人 才 培 養(yǎng) 計(jì) 劃 項(xiàng) 目 nullnullnullnullnullnullnullnullnullnullnullnullnull 作者簡(jiǎn)介 方曉捷 nullnullnullnull 女 安徽滁州人 碩士研究生 研究方向 農(nóng)作物 圖像識(shí)別 null 通信作者 教授 碩士 從事智能控制研究 收稿日期 nullnullnullnullnullnullnullnullnullnull 修回日期 nullnullnullnullnullnullnullnullnullnull 當(dāng)前 農(nóng)作物病害是全球農(nóng)業(yè)生產(chǎn)中的一大挑戰(zhàn) 尤其 是在我國(guó)農(nóng)業(yè)種植結(jié)構(gòu)日益復(fù)雜的背景下 病害問(wèn)題愈發(fā)突 出 嚴(yán)重影響了農(nóng)作物產(chǎn)量和品質(zhì) 番茄作為我國(guó)重要的傳 統(tǒng)作物 其種植面積和產(chǎn)量均居世界前列 近年來(lái) 隨著氣 候變化和農(nóng)業(yè)集約化的發(fā)展 番茄病害的種類和發(fā)生頻率顯 著增加 常見(jiàn)的病害包括早疫病 黃化曲葉病 褐斑病 葉霉 病等 這些病害在葉片中表現(xiàn)出不同的癥狀 嚴(yán)重時(shí)會(huì)顯著 降低番茄產(chǎn)量和果實(shí)質(zhì)量 給農(nóng)戶帶來(lái)巨大經(jīng)濟(jì)損失 null 識(shí) 別并防治這些病癥對(duì)于確保番茄的健康生長(zhǎng)至關(guān)重要 傳 統(tǒng)的病害識(shí)別方法依賴于農(nóng)戶的經(jīng)驗(yàn)和常規(guī)的農(nóng)藥防治 效 率低下且容易導(dǎo)致誤判 基于深度學(xué)習(xí)的病害識(shí)別基于人 工智能的應(yīng)用 能夠及時(shí)識(shí)別病害并采取有效防治措施 不 僅能防止病害擴(kuò)散 減少作物損失 還能提高農(nóng)業(yè)生產(chǎn)效率 同時(shí)避免過(guò)量使用農(nóng)藥 減輕對(duì)環(huán)境和生態(tài)系統(tǒng)的壓力 促 進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展 null 因此 采用新技術(shù)提高番茄病害識(shí)別 的精度和速度成為當(dāng)前農(nóng)業(yè)生產(chǎn)的迫切需求 隨著深度學(xué)習(xí)技術(shù)的發(fā)展和計(jì)算機(jī)圖像處理能力的提 升 計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)作物病害識(shí)別領(lǐng)域的應(yīng)用取得了顯 著成果 例如 nullnullnullnullnullnullnullnullnull 等 null 采用 nullnullnullnullnullnullnull nullnullnullnull 模型訓(xùn)練 番茄圖 像 通 過(guò) 顏 色 識(shí) 別 番 茄 成 熟 度 平均精確度達(dá)到 nullnullnullnullnull 趙越等 null 研究顯示 nullnullnullnullnullnullnull nullnullnullnull 與 nullnullnullnullnull 結(jié)合的 方式在馬鈴薯葉片病害識(shí)別中表現(xiàn)優(yōu)異 檢測(cè)精度高達(dá) nullnullnullnullnull 遠(yuǎn)超 nullnullnullnullnullnull 和 nullnullnullnullnullnull 劉闐宇 null 在 nullnullnullnullnullnullnull nullnullnullnull 的基礎(chǔ)上改進(jìn)區(qū)域建議網(wǎng)絡(luò) 提高建議區(qū)域質(zhì)量 使多姿態(tài) 葡萄葉片的檢測(cè)精度得以提升 李 玉 芳 null 通 過(guò) 簡(jiǎn) 化 nullnullnullnullnullnullnullnullnull 的 nullnullnullnullnullnullnullnullnull 模塊 獲得了在農(nóng)作物病害 null 分類中 達(dá)到 nullnullnullnullnull精度的分類網(wǎng)絡(luò) 廖露等 null 結(jié)合 nullnullnullnullnull 和遷移 學(xué)習(xí)模型 解決傳統(tǒng)水稻病害分類方法的效率和準(zhǔn)確度問(wèn) 題 正確率超過(guò) nullnullnull nullnullnullnullnull 等 null 使用 nullnullnullnullnullnull 識(shí)別 nullnull 個(gè)品 種的植物葉片圖像 準(zhǔn)確率高達(dá) nullnullnullnullnullnull nullnullnullnullnullnullnullnull 等 null 提 出 nullnullnullnullnullnull nullnullnullnullnull 模型 用于高效檢測(cè)番茄 草莓等農(nóng)作物的病 害 nullnullnull 等 nullnull 通過(guò)改進(jìn) nullnullnullnullnullnullnullnullnullnullnull 和 nullnullnullnullnullnull 模型 實(shí)現(xiàn) 了對(duì)番茄灰斑病的高效檢測(cè) 公徐路等 nullnull 基于 nullnullnullnullnullnullnull 模 型 通過(guò)輕量化網(wǎng)絡(luò)和注意力模塊 提高了蘋(píng)果葉片小目標(biāo) 病害的檢測(cè)精度 馬超偉等 nullnull 提出使用改進(jìn)的 nullnullnullnullnullnull 模 型 結(jié)合 nullnull nullnullnullnullnullnull 和深度可分離卷積 優(yōu)化了小麥病害的 檢測(cè)性能 上述深度學(xué)習(xí)技術(shù)在提高檢測(cè)準(zhǔn)確性的同時(shí) 也在努力 減少內(nèi)存占用和參數(shù)數(shù)量 以實(shí)現(xiàn)高準(zhǔn)確度識(shí)別 快速檢測(cè) 并便于在移動(dòng)設(shè)備上部署 盡管檢測(cè)精度有所提高 但隨著 模型參數(shù)的增加 模型的復(fù)雜度也隨之增加 導(dǎo)致更多的浮 點(diǎn)運(yùn)算 這可能會(huì)增加延遲 從而影響實(shí)時(shí)檢測(cè)的性能 在 此背景下 人工智能公司曠視科技在 nullnullnullnull 年提出了 nullnullnullnullnull 安徽農(nóng)業(yè)科學(xué) nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnull null nullnullnullnullnullnullnull 檢模型 nullnullnullnullnullnullnullnullnullnull 作為 nullnullnullnullnull 系列中參數(shù)量最精簡(jiǎn)的 模型 因其具有較少的參數(shù) 快速的浮點(diǎn)運(yùn)算能力 低延遲 檢測(cè)精度較高以及便于在移動(dòng)設(shè)備上部署等優(yōu)勢(shì) 所以受到 了業(yè)界的廣泛關(guān)注 該研究旨在對(duì) nullnullnullnullnullnullnullnullnullnull 的基礎(chǔ)架 構(gòu)進(jìn)行深入優(yōu)化 目標(biāo)是在不顯著增加模型的內(nèi)存和計(jì)算參 數(shù)的情 況 下 引 入 全 局 注 意 力 機(jī) 制 提出一種基于改進(jìn) nullnullnullnullnullnullnullnullnullnull 的番茄葉片病害識(shí)別模型 1 試驗(yàn)數(shù)據(jù) 1 1 數(shù)據(jù)獲取 試驗(yàn)所需的所有數(shù)據(jù)來(lái)自公開(kāi)數(shù)據(jù)集 nullnullnullnullnullnullnullnullnullnullnullnull網(wǎng)站 該網(wǎng)站涵蓋番茄作物的 null 種葉片病害 共 nullnull nullnullnull 張 分別是瘡痂病 null nullnullnull 張 早疫病 null nullnullnull 張 晚疫病 null nullnullnull張 葉霉病 nullnullnull 張 斑枯病 null nullnullnull 張 褐斑病 null nullnullnull 張 黃 化曲葉病 null nullnullnull 張 花葉病 nullnullnull 張 其中每張照片的像素均為 nullnullnullnullnullnullnull 1 2 數(shù)據(jù)處理 利用 nullnullnullnullnullnullnullnull 軟件對(duì)番茄葉片上的病斑進(jìn) 行標(biāo)注 并將有關(guān)病斑的類別和位置等信息存儲(chǔ)于相應(yīng)的 nullnullnull 文件中 將試驗(yàn)數(shù)據(jù)根據(jù)類別按 nullnull nullnull null的比例劃分為訓(xùn) 練集 驗(yàn)證集和測(cè)試集 由于某些類別數(shù)據(jù)不均衡 采取數(shù) 據(jù)增強(qiáng)的方法來(lái)擴(kuò)充早疫病 葉霉病 花葉病訓(xùn)練集 具體包 括水平翻轉(zhuǎn) 垂直翻轉(zhuǎn)和圖像旋轉(zhuǎn) 經(jīng)過(guò)增強(qiáng)處理后 訓(xùn)練 集的圖片數(shù)量從 nullnull nullnullnull 張?jiān)黾拥?nullnull nullnullnull 張 每種番茄葉片 病害的圖片數(shù)量詳表 null 表 1 番茄葉片病害數(shù)據(jù)集 Table 1 Tomato leaf disease dataset 序號(hào) nullnullnull 病害種類 nullnullnullnullnull nullnull nullnullnullnullnullnullnullnull 圖片數(shù)量 nullnullnullnullnullnull nullnull nullnullnullnullnullnull 訓(xùn)練集 nullnullnullnullnullnullnullnull nullnullnull 增強(qiáng)后的訓(xùn)練集 nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnull 驗(yàn)證集 nullnullnullnullnullnullnullnullnullnull nullnullnull 測(cè)試集 nullnullnullnull nullnullnull null 瘡痂病 null nullnullnull null nullnullnull null nullnullnull nullnullnull nullnullnull null 早疫病 null nullnullnull nullnullnull null nullnullnull nullnullnull nullnullnull null 晚疫病 null nullnullnull null nullnullnull null nullnullnull nullnullnull nullnullnull null 葉霉病 nullnullnull nullnullnull null nullnullnull nullnull nullnull null 斑枯病 null nullnullnull null nullnullnull null nullnullnull nullnullnull nullnullnull null 褐斑病 null nullnullnull null nullnullnull null nullnullnull nullnullnull nullnullnull null 黃化曲葉病 null nullnullnull null nullnullnull null nullnullnull nullnullnull nullnullnull null 花葉病 nullnullnull nullnullnull null nullnullnull nullnull nullnull 總計(jì) nullnullnullnullnull nullnull nullnullnull nullnull nullnullnull nullnull nullnullnull null nullnullnull null nullnullnull 2 番茄葉片病害智能檢測(cè)模型 2 1 YOLOX Nano 網(wǎng)絡(luò) nullnullnullnullnullnullnullnullnullnull 是 nullnullnullnull 系列最輕 量化的版本 相比傳統(tǒng)的目標(biāo)檢測(cè)模型 nullnullnullnullnullnullnullnullnullnull 在檢 測(cè)速度和模型體積方面表現(xiàn)更為出色 更適合于移動(dòng)端和嵌 入式設(shè)備的部署 nullnull nullnullnullnullnullnullnullnullnullnull 的整體結(jié)構(gòu)可以分為 null 個(gè)主 要 部 分 分 別 為 nullnullnullnullnullnullnullnullnullnull 主 干 提 取 網(wǎng) 絡(luò) 這 是 nullnullnullnullnullnullnullnullnullnull 的骨干網(wǎng)絡(luò) 負(fù)責(zé)從輸入圖像中提取高層次的 特征表示 使用 nullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnull 結(jié)構(gòu) 以提 高計(jì)算效率和特征學(xué)習(xí)能力 特征金字塔網(wǎng)絡(luò) nullnullnull 通過(guò) 在不同網(wǎng)絡(luò)層次上融合和提取特征 以確保模型能夠檢測(cè)多尺 度的目標(biāo) 路徑聚合網(wǎng)絡(luò) nullnullnull 進(jìn)一步優(yōu)化了特征的傳播和 融合 確保在不同層次上的特征信息能夠充分交互和利用 以 增強(qiáng)檢測(cè)的準(zhǔn)確性和魯棒性 nullnullnullnullnullnullnullnull 輸出層 是 nullnullnullnullnullnull nullnullnullnull 的檢測(cè)頭部分 使用 nullnullnullnullnullnullnullnullnullnullnull 的檢測(cè)方法 它負(fù)責(zé)從 特征圖中預(yù)測(cè)目標(biāo)的位置 類別和置信度 是整個(gè)目標(biāo)檢測(cè)過(guò) 程的關(guān)鍵組成部分 圖 null 是 nullnullnullnullnullnullnullnullnullnull 的結(jié)構(gòu)圖 2 2 全局注意力機(jī)制 鑒于 nullnullnullnullnullnullnullnullnullnull 網(wǎng)絡(luò)結(jié)構(gòu)的簡(jiǎn) 化 未能充分捕捉特征向量之間的關(guān)聯(lián) 導(dǎo)致對(duì)相似且難以 區(qū)分的目標(biāo)預(yù)測(cè)效果不佳 同時(shí)所使用的數(shù)據(jù)集中番茄葉片 病害特征確實(shí)存在相似性問(wèn)題 為此 該研究在 nullnullnullnullnullnull nullnullnullnull 模型中引入全局注意力模塊 旨在幫助網(wǎng)絡(luò)更有效地 聚焦于重要的特征信息 從而提升對(duì)關(guān)鍵目標(biāo)的識(shí)別能力 全局注意力機(jī)制 nullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnull 通過(guò) 優(yōu)化信息流和增強(qiáng)模型對(duì)全局特征的交互能力來(lái)實(shí)現(xiàn)提升 深度神經(jīng)網(wǎng)絡(luò)的性能 這種機(jī)制有助于降低信息的分散性 并提升模型在全局維度上的特征交互 通過(guò)融入全局注意 力機(jī)制 模型能夠更加精準(zhǔn)地識(shí)別圖像中的關(guān)鍵信息 進(jìn)而 在背景復(fù)雜和光線變化的條件下 提高病害識(shí)別的準(zhǔn)確性 nullnullnull 注意力機(jī)制由通道子注意力模塊 null null 和空間子注意力 模塊 null null 構(gòu)成 通道子注意力模塊使用三維排列在 null 個(gè)不同 維度上來(lái)保留信息 然后利用 null 個(gè) null 層的多層感知機(jī) nullnullnull 來(lái)增強(qiáng)跨維度的空間信息交互 從而提高特征表示的能力 空間子注意力模塊關(guān)注空間信息 通過(guò)使用 null 個(gè)卷積層進(jìn)行 空間信息的融合 充分學(xué)習(xí)空間特征 nullnull nullnullnull 注意力機(jī)制 原理如圖 null 所示 在通道子注意模塊中 中間狀態(tài)的定義為公式 null F null nullM null F null nullF null null 式中 M c 表示通道注意力圖 null表示級(jí)聯(lián) 在空間子注意模塊中 中間狀態(tài)的定義為公式 null F null nullM null F null nullF null null 式中 M s 表示空間注意力圖 null表示級(jí)聯(lián) 2 3 改進(jìn)的 YOLOX Nano 網(wǎng)絡(luò) 該研究在 nullnullnullnullnullnullnullnullnullnull 網(wǎng)絡(luò)的基礎(chǔ)上引入 nullnullnull 注意力模塊 對(duì)輸入的特征層進(jìn)行 全局處理 通過(guò)對(duì)全局上下文建模 對(duì)不同通道的特征圖進(jìn) 行權(quán)重的重新分配 增強(qiáng)網(wǎng)絡(luò)結(jié)構(gòu)深層的特征提取 讓網(wǎng)絡(luò) 聚焦于關(guān)鍵特征 忽視非重點(diǎn)特征 既優(yōu)化了網(wǎng)絡(luò)的學(xué)習(xí)能 力 又提高了特征的重要性和區(qū)分度 nullnull 在 nullnullnull 和 nullnullnull 網(wǎng)絡(luò)中對(duì)特征進(jìn)行上采樣和下采樣 主 要是為了在不同的特征層級(jí)中進(jìn)行信息融合和尺度適配 通過(guò)上采樣可以將低分辨率的特征圖擴(kuò)展到更高的分辨率 以便與來(lái)自其他層級(jí)的特征圖進(jìn)行融合 而下采樣則有助于 從較高分辨率的特征圖中提取更豐富的語(yǔ)義信息 并減少整 nullnullnullnullnull 卷 null 期 方曉捷等 基于改進(jìn) nullnullnullnullnullnullnullnullnullnull 的番茄葉片病害識(shí)別研究 圖 1 YOLOX Nano 網(wǎng)絡(luò)結(jié)構(gòu) Fig 1 YOLOX Nano network structure diagram 圖 2 GAM 注意力機(jī)制原理 Fig 2 Schematic diagram of GAM attention mechanism 體的計(jì)算負(fù)擔(dān) 在上述過(guò)程中 可能會(huì)丟失一些重要的細(xì)節(jié) 信息 該研究通過(guò)在上采樣前加入全局注意力機(jī)制 可以讓 網(wǎng)絡(luò)在恢復(fù)高分辨率特征圖時(shí)更好地利用全局上下文信息 從而保留更多有用的細(xì)節(jié)信息 通過(guò)在下采樣前加入全局注 意力機(jī)制 可以幫助網(wǎng)絡(luò)更好地整合全局信息 選擇性地保 留那些對(duì)最終任務(wù)有重要影響的特征 從而提升下采樣過(guò)程 中的信息保留和特征表達(dá)能力 在上采樣和下采樣前引入 全局注意力機(jī)制 能夠在這些關(guān)鍵特征處理階段為網(wǎng)絡(luò)提供 nullnullnull 安徽農(nóng)業(yè)科學(xué) nullnullnullnull 年 全局上下文信息 這有助于網(wǎng)絡(luò)更好地保留和增強(qiáng)重要特 征 減少信息丟失 并優(yōu)化特征融合過(guò)程 通過(guò)這種方式 網(wǎng) 絡(luò)的特征表達(dá)能力得到提升 進(jìn)而提升最終的任務(wù)性能 nullnull 圖 null 是改進(jìn)后的 nullnullnullnullnullnullnullnullnullnullnullnullnullnull 網(wǎng)絡(luò)結(jié)構(gòu)圖 圖 3 YOLOX Nano GAM 網(wǎng)絡(luò)結(jié)構(gòu) Fig 3 YOLOX Nano GAM network structure diagram 3 試驗(yàn)與結(jié)果分析 3 1 試驗(yàn)環(huán)境與參數(shù)設(shè)定 該研究所有試驗(yàn)均基于 nullnullnullnull nullnullnullnull 操作系統(tǒng) nullnullnullnullnullnullnull nullnullnullnullnullnull 為深度學(xué)習(xí)框架 開(kāi)發(fā)語(yǔ)言為 nullnullnullnullnullnull nullnullnull 運(yùn)算平臺(tái) nullnullnullnull nullnullnullnull nullnullnull 為 nullnullnullnull nullnullnull nullnullnullnullnull null nullnullnullnull nullnull nullnullnullnullnullnullnullnullnull 顯卡使用 nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnull 顯存 nullnull null 訓(xùn)練超參數(shù)設(shè)置具體見(jiàn)表 null 其中迭代次數(shù) nullnullnullnullnullnull 指 的是模型訓(xùn)練時(shí)整個(gè)訓(xùn)練數(shù)據(jù)集被模型循環(huán)遍歷的次數(shù) 迭 代次數(shù)越多 模型對(duì)訓(xùn)練數(shù)據(jù)的擬合程度可能會(huì)提高 但同 時(shí)也可能會(huì)導(dǎo)致過(guò)擬合的問(wèn)題 nullnull 批大小 nullnullnullnullnull nullnullnullnull 指的 是在每次迭代訓(xùn)練中同時(shí)輸入到模型中的樣本數(shù)量 較大的 批大小可能會(huì)導(dǎo)致更快的訓(xùn)練速度 但也可能會(huì)增加內(nèi)存需 求 并且可能會(huì)導(dǎo)致模型在訓(xùn)練過(guò)程中陷入局部最優(yōu)解 較 小的批大小則可能會(huì)增加訓(xùn)練時(shí)間 但能夠更頻繁地更新模 型參數(shù) nullnull 因此 選擇合適的批大小時(shí)平衡訓(xùn)練效率和資源 占用的關(guān)鍵 動(dòng)量 nullnullnullnullnullnullnullnull 主要用于加速模型的收斂速度 表 2 網(wǎng)絡(luò)訓(xùn)練超參數(shù)設(shè)置 Table 2 Network training hyperparameter setting 序號(hào) nullnullnull 參數(shù)名稱 nullnullnullnullnullnullnullnullnull 參數(shù)值 nullnullnullnullnullnullnullnullnull nullnullnullnullnull null nullnullnullnullnullnull nullnullnull null nullnullnullnullnullnullnullnullnull null null 動(dòng)量 nullnullnullnullnullnullnullnull nullnullnull null 權(quán)重衰減參數(shù) nullnullnullnullnull null null 初始學(xué)習(xí)率 nullnull nullnullnullnullnull null 并減少在參數(shù)空間中震蕩的情況 權(quán)重衰減參數(shù)指的是通 過(guò)在模型的損失函數(shù)中增加一個(gè)懲罰項(xiàng) 來(lái)限制模型的復(fù)雜 度 防止過(guò)擬合 nullnull 學(xué)習(xí)率用于控制每次更新的步長(zhǎng)和幅 度 學(xué)習(xí)率過(guò)大可能導(dǎo)致模型在更新時(shí)跳過(guò)最優(yōu)點(diǎn) 過(guò)小會(huì) 使模型的收斂速度變慢 選擇合適的學(xué)習(xí)率能夠幫助模型更 快得到最優(yōu)解 nullnull 該試驗(yàn)使用隨機(jī)梯度下降法 nullnullnull 進(jìn)行 學(xué)習(xí)和更新網(wǎng)絡(luò)參數(shù) 3 2 評(píng)價(jià)指標(biāo) 針對(duì)該研究 選用平均精度 nullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnull nullnull 各 類 別 nullnull 的 平 均 值 nullnullnullnull nul