卷积协同注意力模型下的作物幼苗与杂草识别  

Recognition of crop seedlings and weeds under convolution+attention model

作　　者：闫可 张聪 陈新波 成泞伸 魏志慧 Yan Ke

机构地区：[1]武汉轻工大学数学与计算机学院,湖北武汉430023 [2]武汉轻工大学电气与电子工程学院,湖北武汉430023

出　　处：《江苏农业科学》2024年第13期188-196,共9页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金面上项目(编号:61272278);湖北省重大科技专项(编号:2018ABA099);湖北省教育厅科学研究计划重点项目(编号:D20201601)。

摘　　要：在农作物的杂草防治中,部分杂草与作物幼苗的形态相似且颜色相近,导致杂草不易被快速准确识别。针对田间作物幼苗与杂草识别精度不高的问题,提出了一种卷积协同注意力模型(CCA-ViT)。该模型以视觉Transformer模型为基础,采用跨尺度金字塔架构,加强图像浅层信息与深层语义的交互。为提高相似作物与杂草的特征判别能力,在特征提取网络中构建了卷积协同注意力机制,优先关注叶片的纹理和边缘细小特征,获取局部信息注意力权重后协同全局特征进行建模。并在全局建模前引入可移动位置编码捕获感受野的同时降低模型的复杂度。将该模型用于识别小麦、玉米等6种作物幼苗与雀麦、猪殃殃等6种杂草上,识别准确率比同类规模的视觉Transformer模型提高了1.91百分点,达到了97.81%。同时该模型用于田间小麦和玉米幼苗的实际预测准确率也能达到80%以上。体现出该模型可用于复杂背景下具有纹理细小特征的作物幼苗与杂草的识别,能够对形态相似、颜色相近的作物幼苗与杂草进行有效区分。

关 键 词：作物幼苗与杂草识别 跨尺度金字塔架构 卷积协同注意力机制 可移动位置编码 Transformer模型 

分 类 号：S126[农业科学—农业基础科学] TP391.41[自动化与计算机技术—计算机应用技术]