双分支网络的苹果叶部病害识别

由于复杂背景环境和病斑相似性的影响,苹果叶部病害特征间存在细微的类间差异以及较大的类内差距,给苹果叶部病害识别造成极大困难.针对以上问题,提出了一种新型双分支网络的苹果叶部病害识别方法(DBNet).DBNet的双分支网络结构由多尺度联合分支(MS)以及多维度注意力分支(DA)构成.首先多尺度联合分支通过不同类型卷积核和跨层连接融合不同尺度层级间的病害特征,用于缓解复杂背景环境带来的不利影响.同时多维度注意力分支通过融合宽、高、通道三个不同维度的注意力,使网络关注病斑间的微小差异,并随着网络层数的加深自动改变三个维度注意力所占比重,该分支用于缓解部分病斑相似性带来的不利影响.最终DBNet将双分支网络提取到的多尺度特征和多维度特征进行融合.并在苹果叶部病害数据集上,与AlexNet、VGG-16、ResNet-50、B-CNN等模型进行实验对比,结果显示所提方法能够有效地提升识别精度.