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
简单三维注意力机制水稻病害识别模型
《江苏农业科学 》 2023 北大核心
摘要：准确、快速地识别水稻病害并及时采取防治措施,是减少水稻产量损失和提高水稻质量的有效途径之一.以生产上常见的6种水稻病害为研究对象,提出一种简单的三维注意力机制水稻识别模型.不同于通道注意力或空间注意力方法将研究对象特征分开考虑而导致研究对象本身固有的三维特性丢失的现象,本研究借鉴人类观察物体时将观察主体作为三维整体考虑的特点,提出算法.不同于SimAM算法将输入图像中的激活像素人为设置+1作为正样本、不激活像素设置-1作为负样本的假定,本研究不对输入图像的每个像素作人为硬性阈值的设定,而是保留其本身输入特征大小;这种设定不会破坏研究对象本身的固有属性,更符合研究主题自身的特性.研究结果表明,在自建水稻病害识别数据集达到的最高准确率为98.6%,比SimAM算法提高0.84百分点;相比经典网络模型ResNet50、MobileNetV2、EfficientNet_B0、DenseNet 分别提高 1.71、1.93、1.93、0.84 百分点;相比通道注意力机制模型SENe、ECA模型分别提高1.20、1.28百分点,表明本模型能够为自然环境下水稻病害的智能识别提供技术支持.
全文链接
请求原文
基于深度学习的病虫害智能化识别系统
《中国植保导刊 》 2019 北大核心
摘要：我国农作物种植覆盖面广、分散度高,病虫害发生种类多、区域性发生规律复杂,传统的人工鉴定技术从效率、能力与精度方面均难以满足新形势下重大病虫测报要求。针对这一实践需求,以测报灯下害虫图像数据库(约18万张)、田间病虫害图像数据库(约32万张)为基础,构建了基于深度学习方法的病虫害种类特征自动学习、特征融合、识别和位置回归计算框架,并研发了移动式病虫害智能化感知设备和自动识别系统。通过近2年的精确度和实操运行效率检验,该系统在自然状态下对16种灯下常见害虫的识别率为66%～90%,对38种田间常见病虫害(症状)的识别率为50%～90%。随基础数据库的不断丰富、神经网络深层特征提取的不断完善,该系统有望进一步提高识别准确率,从而真正实现田间病虫害识别自动化、智能化和高效率。
全文链接
请求原文
