科研产出
基于多维间注意力机制的水稻病害识别模型
《江苏农业学报 》 2024 北大核心 CSCD
摘要：水稻病害的快速、准确识别是水稻病害防治的前提，也是提高水稻产量和品质的有效途径之一。为了提高水稻病害识别的准确率，本研究提出一种多维间的三维注意力水稻病害识别模型Inter＿3DRiceNet网络模型，通过3个不同维度（通道维度、高度维度以及宽度维度）提取水稻病害特征信息。通道维度主要构建基于通道关系的三维立体注意力机制，通过建立一维的通道间关系注意力机制再结合二维空间关系，最终获得基于通道关系的三维注意力特征信息。高度维度建立的是基于高度维度关系的三维注意力机制，而宽度维度建立的是基于宽度维度关系的立体注意力机制。然后将以上3个不同维度的注意力信息进行简单的相加再取平均值作为最终的病害提取特征。通过这种方式，不仅可以获取输入图像更丰富的特征，而且可以获得不同维度的立体空间关系。试验结果表明，在自建的6种真实自然环境水稻病害数据集中，本研究提出的Inter＿3DRiceNet网络模型在测试集取得了98.32%的最高准确率，高于经典网络模型ResNet34、ResNet50、MobileNetV2、DenseNet、EfficientNet＿B0和通道注意力机制模型SENet和GCT。可见本研究方法有效提高了水稻病害的识别准确率，获得了优于经典网络模型和通道注意力模型的识别准确率，有助于提升自然环境下对常见水稻病害的识别性能。
关键词： 水稻病害 三维注意力 多维间关系 注意力机制 识别
全文链接
请求原文
基于迁移学习的多模型水稻病害识别方法研究
《安徽农业科学 》 2021
摘要：水稻病害是影响水稻产量的重要因素之一,使用传统机器学习方法识别农作物病虫害效果并不理想,因此该研究使用深度学习技术结合迁移学习方法识别常见水稻病害。使用当前深度学习领域经典网络模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作为预训练模型,通过比较不同模型在新任务上的表现,选取性能最好且最稳定的Xception模型作为最终模型。试验结果显示,DenseNet、InceptionResNet、Xception的识别准确率可以达到97%,尤其是Xception模型不仅可以达到98.50%的最高识别准确率而且是最稳定的。该研究通过试验探讨了适用于常见水稻病害智能识别的最佳模型,同时表明了使用迁移学习方法解决新任务的有效性。
全文链接
请求原文
首页上一页1下一页尾页
