-
题名基于改进FPN模型的西瓜幼苗智能识别方法
被引量：1
- 1
-
-
作者
李彦勤
王晓婷
-
机构
河南省智慧农业远程环境监测控制工程技术研究中心
河南经贸职业学院智能财经学院
开封大学信息工程学院
-
出处
《中国农机化学报》
北大核心
2024年第12期148-153,共6页
-
基金
河南省高等学校重点科研项目(21A520029)。
-
文摘
为提高对不同时期西瓜幼苗智能识别的准确度和运行效率,采用深度学习技术提出改进特征金字塔模型(FPN)的智能识别方法。首先结合特征金字塔网络模型和Res2Net模型设计网络模型,利用有效通道注意力机制(ECA)赋予空间特征不同权重,采用通道参数共享的方式,降低模型的计算复杂度;然后采用残差结构对模型进行优化改进,在不增加训练参数的情况下,解决网络深度不断提升时出现的网络退化问题;最后在全连接层使用深度可分离卷积替换传统卷积,从而大幅减少计算量,实现轻量化的设计。对不同生长期西瓜幼苗叶片进行试验。结果表明:与几种较为先进的识别算法相比,提出的识别方法具有更高的识别准确度和最短的运算耗时,识别率达到96.84%,等误率仅为0.54%,平均精度mAP达到91.68%,运算耗时低至112 ms,为推动智慧农业的发展和实现智能化的农业管理决策提供技术保障。
-
关键词
农作物表型识别
深度学习
特征金字塔
残差网络
多尺度特征
可分离卷积
-
Keywords
crop phenotype recognition
deep learning
feature pyramid
residual network
multi scale features
separable convolution
-
分类号
S651
[农业科学—果树学]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
