面向番茄病害识别的改进型SqueezeNet轻量级模型

针对番茄病害识别中深度神经网络参数过多、识别精度较低的问题,从网络轻量化和提取特征精准化的角度出发,对SqueezeNet结构进行改进.为精简fire模块,对其中Expand层的卷积核大小、网络层数以及通道数进行调整.同时,将模型与ECA模块结合,利用局部跨通道交互的方式获得各通道的注意力值,强化网络对关键特征的学习能力.实验结果表明,与LeNet、MobileNet和SqueezeNet模型相比,改进型SqueezeNet的模型大小和识别准确率均具有明显优势,为嵌入式设备在实际生产中的番茄病害识别提供一种技术方法.