模型識(shí)別準(zhǔn)確率達(dá)到 99.5% ,比原模型提高2.25百分點(diǎn),參數(shù)量減少 30.07% ,內(nèi)存減少 2.33MB 。使用Grad-CAM完成熱力圖可視化,對(duì)比發(fā)現(xiàn), SimAM 注意力機(jī)制比原SE 注意力機(jī)制以及其他2種注意力機(jī)制生成的熱力圖和原圖像中病斑的位置、顏色相似度更高,表明本研究所用方法可以更好地采集花生葉部病害的特征。從各個(gè)評(píng)價(jià)指標(biāo)來看,本研究提出的方法在花生葉部病害識(shí)別上適配度更高、更輕量化,可以更好地在真實(shí)場(chǎng)景下進(jìn)行花生葉部病害識(shí)別,可為花生生產(chǎn)種植上提供有效幫助,助力發(fā)展智慧農(nóng)業(yè)。-龍?jiān)雌诳W(wǎng)" />