烟草病害细粒度数据集构建与注意力图块互补识别方法

Fine-grained tobacco disease dataset construction and attention patch complementary recognition method

摘要: 为解决现有烟草病害公开数据集类型覆盖有限、部位划分粗糙，以及通用识别方法难以适配田间复杂背景干扰、细微病征区分难度大的问题，提升烟草病害智能识别方法的精度与实用性，本文从数据集构建和识别算法两方面开展针对性研究。通过采集田间烟草病害图像，构建包含17类主要烟草病害、共计4669张样本的细粒度烟草病害数据集，采用“侵染类型‒发病部位‒具体病害”三级精细化标注体系，弥补现有烟草病害数据集的短板；同时，提出一种基于注意力图块互补融合的烟草病害识别网络，依托自适应注意力图块选择机制抑制田间复杂背景干扰，利用多层次互补特征融合策略挖掘不同层级网络的细微病征差异，并引入坐标感知注意力模块强化对病斑空间分布特征的提取能力。实验结果表明，该方法在自建细粒度烟草病害数据集上的识别准确率可达94.06%，相较于主流识别算法平均提升8.87个百分点。该研究可为烟草病害智能化精准识别与科学防控提供技术参考。