近日，机械与电子工程学院宋月鹏教授团队在《Frontiers in Plant Science》在线发表了题为“Construction and verification of machine vision algorithm model based on apple leaf disease images”的研究论文，宋月鹏教授、任龙龙讲师为该论文的通讯作者，高昂博士生为该论文的第一作者。
全球大约有80多个国家规模化苹果种植，但是随着苹果种植面积不断扩大，其所面临的病虫害也越来越严重。如果不加以防治，苹果叶片病害对苹果的生长发育和品质有着严重的危害。但传统的苹果叶片病害检测方法以无法满足科学研究和生产的需要，高效快速对苹果叶片病害识别判断对提高苹果品质和推动苹果产业健康发展有着重要的意义
因此，本文提出一种基于苹果叶片病害机器视觉算法的模型（LALNet），该模型针对多种苹果叶片病害设计了一种融合注意力机制的多分支苹果叶片病害快速检测神经网络分类模型，该模型在高效的苹果叶片检测堆积模型中采用多分支结构和深度可分离结构有效的提取苹果叶片病害特征；在主干网中采用四层EALD模块堆积，并在模型的最后一层融合SE注意力机制模块以提高模型关注重要特征的注意力；在推理阶段采用结构重参数技术将分支中两层深度可分离卷积合并输出以提高模型的运行速度。
研究结果表明，该模型的检测平均精度为96.07%，平均召回率为96.05%，平均F1为96.06%，模型大小为6.61MB，单张图片检测速度为6.68ms，具有较好的稳定性和鲁棒性。
该方法能够在满足检测精度的同时保证了其运行速度，适合在嵌入式设备上使用为苹果叶片病害防治精量喷药提供支持。
该研究得到了山东省现代农业产业技术体系果品产业创新团队专项、机械系统与振动国家重点实验室的支持。
论文链接：https://doi.org/10.3389/fpls.2023.1246065
