基于特征重組網絡的小樣本農作物病害葉片檢測

doi：10.15889/j.issn.1002-1302.2024.20.028

摘要：針對現有作物病害葉片檢測模型的性能過度依賴大量帶標注數據集以及預訓練模型的泛化性不強等問題，提出一種基于特征重組網絡的小樣本農作物病害葉片檢測方法。首先，采用支持分支和查詢分支的雙分支網絡結構，將支持圖像和查詢圖像映射到深度特征空間，并在支持分支中采用特征增強網絡緩解映射特征與原始標注不對齊的問題。其次，借助全局平均池化策略生成初始原型，利用該原型反向指導原始支持圖像中病害葉片的識別，并根據初始識別結果對原型進行優化。再次，通過比對識別區域與原始標注之間的特征差異，構造輔助原型與主域原型。最后，融合原始原型、輔助原型和主域原型，構造多原型集，并利用度量方法計算原型集與查詢特征間的關聯，根據關聯值給出預測標簽。在自建的橘子、番茄和蘋果等病害葉片數據集上進行測試，所提出方法分別獲得了97.18%的精準率、97.31%的召回率、96.90%的F1分數和84.71%的FB-IoU，優于主流的目標檢測方法。

關鍵詞：作物病害葉片檢測；特征重組；全局平均池化；特征增強；原型集

中圖分類號：TP391.41；S126" 文獻標志碼：A

文章編號：1002-1302（2024）20-0236-08

收稿日期：2024-06-30

基金項目：國家自然科學基金（編號：62002330）。

作者簡介：黨婉譽（1991—），女，河南駐馬店人，碩士，講師，主要從事農業、林業、計算機應用技術等研究。E-mail：wydan1991@163.com。

農作物葉片的健康對于農作物的產量和品質至關重要，葉片不健康不僅會降低作物的產量和品質，還可能導致整個農田的作物歉收，給農業生產帶來嚴重的經濟損失。……