EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

基于改进ShuffleNetV2与模型压缩的椰子幼苗病害识别方法研究

碧蓉 廖, 睿 李, 雪宁 李, 家豪 王, 闽英 黄

农业科学 · 31.05.2026 · 9 (5) · 46

DOI: 10.32629/as.v9i5.3970 ↗

Kurz gefasst

Fachartikel in der Zeitschrift 农业科学, online erschienen am 31.05.2026. Verfasst von 碧蓉 廖 und 4 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

椰子幼苗易受叶片病害影响。随着深度学习发展,卷积神经网络已广泛应用于植物病 害识别。然而,现有方法仍存在多尺度特征提取不足及模型复杂度较高的问题。为此 ,本文以椰子幼苗病害为识别对象,提出一种基于改进ShuffleNetV2的椰子幼苗病害 识别方法,通过引入多尺度特征提取与融合以及注意力增强,有效提升模型对不同尺 度病斑与关键区域识别能力,最后基于L1范数结构化剪枝的模型压缩方法,实现精度 下降可控与模型规模的显著压缩。本文提出的方法与当前具有代表性的8个基线方法 对比,在各项评价指标上均取得了不同程度的提升,其中准确率、精确度、召回率和 F1值的最大提升分别达到8.75%、8.21%、8.01%和8.09%,FLOPs 和参数量分别最高降低约80.00%和90.43%,最后压缩后的模型在各对比方法中取得了 最优的综合表现,其准确率达到98.05%,仅较原始模型下降0.15%。同时模型参数量降 低至1.10M,FLOPs降低至0.70G,压缩率和加速率分别达到2.44×和2.43×,说明所提出 方法能够在模型压与性能保持之间取得更好的平衡。

Zitieren

APA

廖, 碧., 李, 睿., 李, 雪., 王, 家., & 黄, 闽. (2026). 基于改进ShuffleNetV2与模型压缩的椰子幼苗病害识别方法研究. 农业科学, 9(5), 46. https://doi.org/10.32629/as.v9i5.3970

Vancouver

廖 碧, 李 睿, 李 雪, 王 家, 黄 闽. 基于改进ShuffleNetV2与模型压缩的椰子幼苗病害识别方法研究. 农业科学. 2026;9(5):46. doi:10.32629/as.v9i5.3970

BibTeX
@article{2026,
  author = {廖, 碧蓉 and 李, 睿 and 李, 雪宁 and 王, 家豪 and 黄, 闽英},
  title = {基于改进ShuffleNetV2与模型压缩的椰子幼苗病害识别方法研究},
  journal = {农业科学},
  year = {2026},
  volume = {9},
  number = {5},
  pages = {46},
  doi = {10.32629/as.v9i5.3970}
}
Kostenlos starten →