1、研究内容
【1】提出了一种自注意卷积神经网络（SACNN），它能够提取作物病斑的有效特征来识别作物病害。
【2】讨论了自注意网络的位置选择、通道大小设置、网络数目等方面对识别性能的影响，以展示自注意网络的工作机制。
2、创新点
【1】提出了一种新的SACNN方法，该网络由一个基本网络基网和一个自关注网络组成，分别用于提取作物叶斑病区域的全局特征和局部特征。
【2】讨论了SA对位置选择、信道大小设置和SA网络数目等识别性能的影响，以进一步揭示其工作机制，为今后的研究提供启示。
【3】本文提出的SACNN方法具有精度高、鲁棒性强的优点。SACNN方法在开放数据集MK-D2上的性能更好。另外，在AES-CD9214数据集上对测试图像加入噪声后，该方法具有较高的识别精度和较强的鲁棒性。
在基网中嵌入模拟退火网络，输出输入图像的分类概率，并根据概率得到输入图像的分类结果。Base-Net主要用于提取输入图像的全局特征，SA网络主要用于提取叶斑病区域的局部特征。它们的相互作用和组合旨在提高作物病害识别的准确性和鲁棒性。