LWMSCNN-SE：面向边缘设备高效玉米病害分类的轻量级多尺度网络
计算机视觉与模式识别
2026-01-14 v1 人工智能
摘要
玉米病害分类在减少产量损失和确保粮食安全方面起着至关重要的作用。然而，在资源受限的环境（例如使用智能手机和无人机）中部署传统的病害检测模型面临着计算成本高的挑战。为了解决这些挑战，我们提出了LWMSCNN-SE，一种轻量级卷积神经网络，它集成了多尺度特征提取、深度可分离卷积和挤压激励注意力机制。这种新颖的组合使模型能够以仅241,348个参数和0.666 GFLOPs的计算量达到96.63%的分类准确率，使其适用于田间应用中的实时部署。我们的方法通过保持低计算成本的同时实现高准确率，解决了准确率与效率之间的权衡问题，展示了其在精准农业系统中用于边缘设备高效玉米病害诊断的潜力。
引用
@article{arxiv.2601.07957,
title = {LWMSCNN-SE: A Lightweight Multi-Scale Network for Efficient Maize Disease Classification on Edge Devices},
author = {Fikadu Weloday and Jianmei Su},
journal= {arXiv preprint arXiv:2601.07957},
year = {2026}
}