基于多尺度注意力机制网络的玉米害虫识别方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：玉米是我国主要的农业粮食作物,害虫严重影响其产量和质量.为快速、准确地识别玉米害虫,针对现有卷积神经网络识别方法需要大量数据集和关键特征易丢失等问题,提出一种基于多尺度注意力机制网络(MCANet)的玉米害虫识别方法.首先,该方法采用空间金字塔循环(SPR)模块提取不同害虫图像的类型和位置信息;其次,在特征融合模块中引入多级通道注意力机制模块,以保障高维语义信息与低维特征的有效融合;同时将多尺度空洞卷积模块引入多级通道注意力网络模型,构建多尺度多通道注意力网络模型,来提取多尺度判别特征,提高模型的识别效率;最后,在1个较小的玉米害虫图像数据集上进行试验,实现对玉米红缘灯蛾、叶夜蛾、玉米黏虫、玉米螟害虫的识别,当训练样本与测试样本之比为90:10时,玉米害虫识别准确率高达91.60％,与多尺度残差神经网络(MSRNN)、改进卷积神经网络(ICNN)、VGG-ICNN、轻量级CNN(LWCNN)相比,识别率分别提高24.40、18.77、8.00、4.40百分比.结果表明,该方法在小训练样本集中具有较强的鲁棒性和较高的识别率,为农作物病虫害智能化防治提供技术支持.

作者：

张会敏、吉秉彧、谢泽奇

展开 >

作者单位：

信阳农林学院信息工程学院,河南信阳 464000

关键词：

玉米害虫多尺度空洞模块空间金字塔循环模块多尺度注意力机制网络

基金：

国家自然科学基金河南省教育厅高等学校重点科研项目信阳农林学院校青年基金(2022)

项目编号：

6207237820A520045QN2022031

出版年：

2024

DOI：

10.15889/j.issn.1002-1302.2024.09.033

江苏农业科学

江苏省农业科学院

江苏农业科学

CSTPCD北大核心

影响因子：0.732

ISSN：1002-1302

年,卷(期)：2024.52(9)

参考文献量12