来源：期刊VIP网 时间：
作者：胡施威;邓建新;王浩宇;邱林;
单位：长江大学计算机科学学院;长江大学农学院;
摘要：为了高效、准确地识别葡萄叶部病害，文中提出了LE-EfficientNet模型，在EfficientNetB0模型基础上，采用大核注意力（LKA）机制替换原模型部分MBConv模块中的压缩激励网络（SENet），接着利用跳跃连接在最后一层卷积层后面融入高效通道注意力机制（ECA），结合三种注意力机制让网络更高效地提取葡萄叶部病害的局部重要信息，并引用Adam优化器替换原模型的SGD优化器，提升了分类模型的泛化能力。在PlantVillage葡萄叶部病害数据集上训练，结果表明，LEEfficientNet模型相比原模型准确率提升了1.58%，总体精度提升了1.62%，召回率提升了1.46%,F1分数提升了1.53%，并且参数量仅有10.18 MB，比原模型参数量降低2.7 MB，与其他经典网络模型相比，性能评估指标均有不同程度的提升，该研究为葡萄叶部病害识别提供了新的参考与借鉴。
关键词：葡萄叶部病害;;卷积神经网络;;图像分类;;大核注意力机制;;高效通道注意力机制;;EfficientNetB0
基金资助：国家自然科学基金面上项目（32270022）
