DSA-net:一种基于深度学习的轻量级和高效的模型,用于识别豆叶病
Laixiang Xu1, Yiru Duan1, Zhaopeng Cai2
1School of Computer and Data Science, Henan University of Urban Construction, Pingdingshan, China.
Frontiers in plant science
|September 15, 2025
概括
一个新的深度学习模型,DSA-Net,使用改进的MobileNet-V3_small与注意力机制准确识别豆叶疾病. 这种进步为现代农业和潜在的边缘设备部署提供了高精度.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 豆叶病显著降低作物产量和质量.
- 目前的识别方法缺乏现代农业的效率,实时处理和成本效益.
研究的目的:
- 开发一个深度学习模型,以准确有效地识别豆叶病.
- 解决现有方法在特征提取,环境敏感性和可扩展性方面的局限性.
主要方法:
- 拟议的DSA-Net模型集成了一个改进的MobileNet-V3_small架构.
- 集成的可变形卷积用于几何特征建模.
- 集成的自我注意力和附加注意力机制,用于增强特征识别.
主要成果:
- 在7915个豆叶样本的数据集上实现了99.12%的平均识别准确度.
- 该模型具有1.48M的紧参数尺寸,适合高效部署.
- 成功分类五个类别:健康,棕色斑点,叶矿工,粉状菌和根腐烂.
结论:
- DSA-Net模型显著提高了豆叶病的诊断准确度.
- 该方法显示了在农业环境中部署边缘设备的潜力.
- 为农业疾病管理提供了可扩展,准确和具有成本效益的解决方案.


