基于双路径注意力与多尺度融合的作物病虫害识别网络DPMFNet

方法

空间-通道双注意力与多尺度深度可分离卷积，构建AttMDSCBlock残差结构。

发现

仅14.24M参数、2.55G FLOPs，在PlantVillage与AI Challenger

机会点

可探索真实田间多病虫害并发与边缘设备实时推理的轻量化自适应识别研究。

盐城工学院Hong Zhang、Fagen Song等联合江苏开放大学提出DPMFNet轻量级双路径网络，集成空间-通道双注意力（SCDA）与多尺度深度可分离卷积（MDSC）模块，构建AttMDSCBlock残差结构。在PlantVillage与AI Challenger 2018数据集上DPMFNet仅14.24M参数和2.55G FLOPs，跨注意力机制融合局部细节与全局上下文，轻量化金字塔策略自适应整合多分辨率特征，在复杂农田场景下兼顾精度与可部署性，为嵌入式田间设备提供高性价比方案。