基于MobileNetV2和卷积注意力机制的轻量化玉米籽粒品种识别研究
孙孟研1
孙彤辉2
郝凤琦3
穆春华4
马德新5
1.青岛农业大学传媒学院,山东青岛 266109;山东文化产业职业学院,山东青岛 2666992.青岛大学计算机科学技术学院,山东青岛 2660713.山东省计算中心(国家超级计算济南中心),山东济南 2500144.山东省农业科学院玉米研究所,山东 济南 2501005.青岛农业大学传媒学院,山东青岛 266109
摘要：快速、准确地识别农作物品种对我国粮食安全和农业发展具有重要意义.为实现玉米种子的快速鉴别与保护,本研究提出一种基于MobileNetV2 和卷积注意力机制的玉米籽粒品种识别算法.首先购得市面上 9 个常规玉米品种的籽粒,使用佳能 80D型相机对其胚面和胚乳面进行图像采集,构建了包含 3 408 张图像的玉米籽粒识别数据集,按照 7∶2∶1划分训练集、验证集和测试集,并对训练集图像进行数据增强处理;然后设计注意力模块ISPAM(Improved Spatial Attention Module),即在卷积注意力模块(CBAM)基础上,提出一种新的通道注意力模块ICAM对CBAM的通道注意力机制进行改进,同时引入空间金字塔池化(SPP)模块替换CBAM空间注意力模块中的平均池化模块和最大池化模块,构建了玉米籽粒品种识别模型MobileNetV2_ISPAM.将MobileNetV2_ISPAM与添加其他注意力模块的模型对比,结果表明,MobileNetV2_ISPAM在测试集上的准确率为 99.11%,均明显高于MobileNetV2 以及添加SE(Squeeze-and-Excitation)、CBAM注意力机制的模型.梯度加权类激活映射网络可视化表明,MobileNetV2_ISPAM更关注玉米籽粒图像中的显著特征,从而提高了模型的准确率.此外,该模型的参数量仅为 7.15 M,适合移动端的便携化部署.本研究在保证模型轻量高效的前提下,提升其抵抗过拟合能力和分类性能,为以后基于深度学习的移动端玉米籽粒图像识别模型研究提供了思路.
关键词：MobileNetV2ISPAM注意力机制深度学习玉米籽粒品种识别
分类号：S126(农业物理学)
资助基金：山东省自然科学基金(ZR2022MC152)中央引导地方科技发展专项计划(23-1-3-6-zyyd-nsh)山东省重点研发计划项目(2023TZXD023)
论文发表日期：2024-12-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 139-146 )
英文信息