近日，機械與電子工程學院宋月鵬教授團隊在《Frontiers in Plant Science》在線發表了題為“Construction and verification of machine vision algorithm model based on apple leaf disease images”的研究論文，宋月鵬教授、任龍龍講師為該論文的通訊作者，高昂博士生為該論文的第一作者。

全球大約有80多個國家規模化蘋果種植，但是隨著蘋果種植面積不斷擴大，其所面臨的病蟲害也越來越嚴重。如果不加以防治，蘋果葉片病害對蘋果的生長發育和品質有著嚴重的危害。但傳統的蘋果葉片病害檢測方法以無法滿足科學研究和生產的需要，高效快速對蘋果葉片病害識別判斷對提高蘋果品質和推動蘋果產業健康發展有著重要的意義

因此，本文提出一種基于蘋果葉片病害機器視覺算法的模型（LALNet），該模型針對多種蘋果葉片病害設計了一種融合注意力機制的多分支蘋果葉片病害快速檢測神經網絡分類模型，該模型在高效的蘋果葉片檢測堆積模型中采用多分支結構和深度可分離結構有效的提取蘋果葉片病害特征；在主干網中采用四層EALD模塊堆積，并在模型的最后一層融合SE注意力機制模塊以提高模型關注重要特征的注意力；在推理階段采用結構重參數技術將分支中兩層深度可分離卷積合并輸出以提高模型的運行速度。

研究結果表明，該模型的檢測平均精度為96.07%，平均召回率為96.05%，平均F1為96.06%，模型大小為6.61MB，單張圖片檢測速度為6.68ms，具有較好的穩定性和魯棒性。

該方法能夠在滿足檢測精度的同時保證了其運行速度，適合在嵌入式設備上使用為蘋果葉片病害防治精量噴藥提供支持。

該研究得到了山東省現代農業產業技術體系果品產業創新團隊專項、機械系統與振動國家重點實驗室的支持。

論文鏈接：https://doi.org/10.3389/fpls.2023.1246065