-
题名基于ResViT模型的城市草地草本植物智能分类
- 1
-
-
作者
南喆
杨宏伟
杨梦鹭
-
机构
蒙古高原生态学与资源利用教育部重点实验室/省部共建草地生态学国家重点实验室培育基地/内蒙古大学生态与环境学院
-
出处
《草业科学》
北大核心
2025年第3期628-637,共10页
-
文摘
在干旱半干旱城市草地监测领域中,草本植物分类识别的用处及贡献不容小觑,但当前的深度学习模型在样本数据偏重且规模较小的任务中尚有不足之处。城市草地监测能够有效地评估草地的生长状况,并根据草本植物的分类,对当地生态系统的潜在危害提供判断信息。基于ViT(VisionTransformer)和ResNet50(深度残差网络)构建了混合神经网络模型ResViT。ResViT在测试集准确率上最高,优于AlexNet、ResNet50和VGG19模型,在平均召回率和F1评分上也均优于AlexNet、ResNet50和VGG19模型。ResViT的训练时间约是VGG19的一半。ResViT在16分类任务中测试集达到了95.45%的准确率和0.95的F1评分。综上所述,ResViT模型可以准确高效地完成草本植物分类的图像识别任务,比其他3种模型均有优势。其在偏重的小规模数据集上展现出优异的性能,显著降低了前期数据准备的成本,同时提升了训练效率,减少了训练时间。因此,ResViT的建立为草本植物分类领域的研究提供了新视角,并有望在干旱半干旱城市草地监测的广泛应用中发挥重要作用。
-
关键词
草本植物分类
卷积神经网络
ResViT模型
干旱半干旱
草地监测
-
Keywords
classification of herbs
convolutional neural network
ResViT model
arid and semi-arid
grassland monitoring
-
分类号
S812.2
[农业科学—草业科学]
-
