检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:黄英来[1] 王奇 何少聪 林振群 牛达伟 Huang Yinglai
机构地区:[1]东北林业大学计算机与控制工程学院,黑龙江哈尔滨150040
出 处:《江苏农业科学》2025年第5期203-212,共10页Jiangsu Agricultural Sciences
基 金:黑龙江省自然科学基金(编号:LH2020C051);国家自然科学基金(编号:31670717)。
摘 要:为提高黄瓜害虫的识别准确率,解决害虫吸食黄瓜汁液影响黄瓜产量的问题,提出一种基于ResNet101改进的黄瓜害虫识别模型QJSEC-ResNet101。该模型所采取的改进策略为(1)采用学习率余弦退火策略,使模型在训练过程中能够动态调整学习率;(2)利用迁移学习技术,将预训练模型的权重参数迁移到ResNet101中,从而进一步提升模型的性能;(3)为降低模型的计算复杂度并提升其轻量化程度,将原始的7×7大卷积替换为3个3×3小卷积;(3)将激活函数ReLU修改为SeLU改变神经元不学习的问题;(4)加入ECA注意力机制和CBAM注意力机制提升模型的识别效果。为增强数据的多样性,采用24种数据扩充方式对黄瓜害虫初始图像数据集进行扩充,这不仅丰富了数据集,也能使模型更好地进行特征识别和特征提取。最后,在模型的不同位置加入了ECA和CBAM等2种注意力机制,同时剪去layer中的Bottleneck模块,通过设计19种添加方案进行对比试验,选取了最优的添加方式。将改进后的模型通过pyqt界面实现,可以让使用者操作起来更加的得心应手,更加便捷。试验结果表明,QJSEC-ResNet101模型在复杂背景下对黄瓜害虫识别的准确率达到了99.39%,相较于传统模型提高了1.80百分点。同时,该模型的训练时间也大幅缩短,近乎减少了一半。因此,QJSEC-ResNet101模型为农业领域的黄瓜害虫识别提供了高效且准确的方法,具有重要的应用价值。
关 键 词:黄瓜害虫识别 残差网络 余弦退火 迁移学习 注意力机制
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]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.91