基于注意力神经网络与贝叶斯优化的水稻病害检测与分类
计算机视觉与模式识别
2022-01-05 v1
摘要
本研究提出一种基于注意力的深度可分离神经网络结合贝叶斯优化（ADSNN-BO），用于从水稻叶片图像中检测并分类水稻病害。水稻病害常导致作物产量损失达 20% 至 40%，且与全球经济高度相关。快速病害识别对于及时规划防治并减少作物损失至关重要。水稻病害诊断目前仍主要依赖人工。为实现人工智能辅助的快速准确病害检测，我们基于 MobileNet 结构并引入增强注意力机制，提出了 ADSNN-BO 模型。此外，采用贝叶斯优化方法调优模型超参数。基于一个共四类公开水稻病害数据集进行了交叉验证分类实验。实验结果表明，我们的移动端兼容 ADSNN-BO 模型测试准确率达 94.65%，优于所有被测的 SOTA 模型。为检验所提模型的可解释性，还进行了包括激活图与滤波器可视化的特征分析。结果显示，我们提出的基于注意力的机制能更有效地引导 ADSNN-BO 模型学习具信息量的特征。本研究结果将促进人工智能在农业领域快速植物病害诊断与防控中的实施。
引用
@article{arxiv.2201.00893,
title = {Rice Diseases Detection and Classification Using Attention Based Neural Network and Bayesian Optimization},
author = {Yibin Wang and Haifeng Wang and Zhaohua Peng},
journal= {arXiv preprint arXiv:2201.00893},
year = {2022}
}