一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法

本发明针对棉花病虫害图像，提出一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法。本方法以DenseNet121为基础模型，构建一个新的轻量级棉花病虫害识别模型REM‑DNet，通过引入多尺度卷积替代基础模型首层7×7卷积，增强对不同尺度信息的捕捉能力；为减少模型参数、便于在资源受限环境中部署，构建RE‑密集块和LAMP剪枝方法精简网络结构和参数量，并提出RReLU6缓解数值失真和神经元失活的问题，以便于模型部署到便携式设备上；为了弥补剪枝可能带来的精度损失，构建MFGA机制，结合迁移学习策略，强化模型对关键病害特征的关注。本发明不仅提高了识别准确率，还减少了模型参数，使其更加适合部署于便携式设备，并可以很好的满足实际场景中棉花病虫害识别的应用需求。