-
题名基于多尺度注意力和深度可分离卷积的农田杂草检测
被引量：3
- 1
-
-
作者
王建翠
惠巧娟
吴立国
-
机构
银川能源学院信息传媒学院
银川科技学院信息工程学院
宁夏葡萄酒与防沙治沙职业技术学院
-
出处
《中国农机化学报》
北大核心
2023年第5期182-187,共6页
-
基金
宁夏自然科学基金项目(2021AAC03251)
宁夏高等学校科学研究项目(NGY2020114)。
-
文摘
农田杂草根除是促进农业稳定生产的前提。由于杂草种类多,且相同物种因大小、颜色和位置的变化多样,导致传统农田杂草检测算法性能不高。提出一种基于多尺度注意力和深度可分离卷积的农田杂草检测算法。首先,利用深度可分离卷积改进主干网络VGG-16,降低模型参数量,加快模型的训练;然后,采用多尺度注意力模块提取杂草的多尺度特征,增强模型对形态图像特征的捕获能力。通过在不同时间段测试多个农田杂草样本,结果表明:本文算法的精准率为94.69%、召回率为94.88%和F1值为93.82%。与当前主流杂草检测模型相比,在保持较高检测性能的基础上,具有更低的时间开销,可应用于农田杂草的自动检测。
-
关键词
农田杂草检测
深度可分离卷积
多尺度注意力
形态图像特征
-
Keywords
field weed recognition
depth separable convolution
multi-scale attention
morphological image features
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
