一种用于木薯叶病害细粒度识别的双分支网络

打开文本图片集

摘要：针对田间复杂背景下木薯叶片病害识别精度不高、类间差异小与类内变化大的细粒度分类难题，文章提出一种基于双分支网络结构的木薯叶片病害识别方法。该网络由基于深度可分离卷积的全局特征提取主干分支与局部感知的多尺度分支构成，并创新性地引入动态多层感知融合模块，自适应整合跨分支特征，提升细粒度判别能力。实验结果表明，该方法在Cassava公开数据集上相较于ResNet101、MobileNetV3、Swin-Transformer等主流网络具有更优的细粒度识别性能，分类准确率达89.12%，在保证较低计算复杂度的同时提升了推理效率与可部署性。（剩余5616字）