-
题名基于混合注意力机制的香菇菌棒成熟度分级研究
- 1
-
-
作者
王鲁
王明振
吴秋兰
-
机构
山东女子学院人工智能学院
山东农业大学信息科学与工程学院
泰山科技学院大数据学院
-
出处
《山东农业大学学报(自然科学版)》
北大核心
2025年第1期49-57,共9页
-
基金
山东省重点研发计划(重大科技创新工程)项目(2022CXGC010609)。
-
文摘
香菇是我国最主要的食用菌品种,实现对香菇菌棒成熟度准确分级是提高香菇产量的前提。本文以香菇菌棒为研究对象,提出了一种基于混合注意力机制的香菇菌棒成熟度分级模型。首先基于采集的香菇菌棒成熟度图像,通过DCGAN模型对香菇菌棒图像进行数据增强,学习各个阶段香菇菌棒成熟度图像的特征分布,构建香菇菌棒成熟度数据集。将混合注意力模块BAM添加到采用分组卷积的ResNeXt网络中,通过自适应调整特征关注重点,产生有效感受,提高分级精度。对比实验分析部分,首先评估了数据增强方法对分级模型的影响,结果表明,本文通过DCGAN模型所构建的数据集在分级中具有更强的鲁棒性,最后将该模型与ResNeXt、VGG-16、ResNet-50在香菇菌棒成熟度数据集中进行对比实验,BAM-ResNeXt模型的准确率、精确率、召回率分别为97.88%、94.26%、97.45%,均优于上述模型,实验结果表明本文提出的BAM-ResNeXt模型在香菇菌棒成熟度分级方面取得了良好的效果。
-
关键词
香菇菌棒
成熟度分级
深度学习
注意力机制
生成式对抗网络
-
Keywords
Shiitake mushroom sticks
maturity grading
deep learning
attention module
generative adversarial network
-
分类号
S126
[农业科学—农业基础科学]
-
