基于深度学习与双注意力网络的花生和水稻叶片病害分类

《Scientific Reports》：Deep learning based groundnut and paddy leaf disease classification using dual attention network

　　

摘要

植物病害对于提高作物产量以及确保可持续的农业种植方式至关重要，尤其是对于花生和水稻叶这类重要农作物。然而，现有的方法往往存在特征区分能力有限、对病害发生区域关注不足以及在实际环境中的性能较差等问题。为了解决这些缺陷，本研究提出了一种基于深度学习的GOPI-NET框架，用于精准识别花生和水稻叶的病害。首先，通过双边滤波和对比度限制自适应直方图均衡化处理输入的叶片图像，以降低噪声并提升对比度。接着，利用HSV颜色空间进行分割，从而准确定位病害区域。所提出的双注意力网络在ConvNeXt架构中整合了通道级和空间级注意力机制，以便捕捉具有辨识度的病害特征。最后，通过高效的模糊极值学习机分类器将图像划分为健康、叶斑病、细菌性枯萎病和叶枯病四大类别。该研究使用精确度、召回率、特异性、准确率和F1分数来评估GOPI-NET的性能。实验结果表明，GOPI-NET的总体准确率为98.32%，相比GLDICCNN、DNN-CSA和LeafNet，其分类准确率分别提高了1.29%、1.40%和2.23%。