多注意力超分网络

病害识别更准

针对低质图像设计的超分辨率网络，平衡全局与局部特征提取，提升病害识别精度。

Jin, Haibin · Chu, Xiaoquan · Qi, Jianfang · 冯建英 · 穆维松

Expert Systems with Applications 2024

参数信息

峰值信噪比 (×2)

38.152 dB

结构相似性 (×2)

0.96

峰值信噪比 (×3)

35.896 dB

结构相似性 (×3)

0.934

识别准确率 (ShuffleNet)

98.28 %

识别准确率 (Inception)

98.53 %

技术优势

算得更省

用卷积提取低级特征后送入多重注意力模块，避免复杂结构带来的高计算量。

全局局部兼顾

通过动态学习策略平衡全局与局部特征，提升病害识别性能。

应用场景

• 农业机器人视觉：机器人巡检时可先超分低质图像再识别，减少漏诊。
• 具身智能感知：在边缘设备上提升图像质量，支撑实时病害判断。
• 植物病害诊断：超分后识别准确率最高达98.53%，辅助精准用药。
• 图像超分辨率：提供兼顾全局与局部的轻量超分模型，可直接嵌入识别流程。