使用弱密集连接卷积网络的柑橘害虫和疾病识别模型

害虫和疾病会对柑橘水果造成严重损害。农民过去依赖有经验的专家来识别它们，这是一项耗时且成本高昂的过程。随着图像传感器的普及和计算机视觉技术的发展，使用卷积神经网络（CNN）模型来识别害虫和疾病已成为农业领域的最新趋势。然而，许多研究人员在执行不同的识别任务时，参考了ImageNet的预训练模型，而没有考虑他们自己数据集的规模，导致计算资源的浪费。本文基于我们的图像数据集开发了一种简单但有效的CNN模型。所提议的网络从参数效率的角度进行设计。为了实现这个目标，增加了跨通道操作的复杂性，并调整了特征重用的频率以适应网络深度。实验结果表明，Weakly DenseNet-16以更少的参数获得了最高的分类准确率。由于该网络轻量化，它可以用于移动设备。