基于注意力机制的小样本啤酒花病虫害识别

摘要： 为提高啤酒花产业的品质和产量,针对于传统人工识别鉴定难度大,效率低和客观性不够,以及啤酒花病虫害识别无大型公开数据集等问题。本文提出一种基于软注意力机制的小样本啤酒花病虫害识别方法,对传统深度残差网络ResNet模型进行改进,并使用图像增强技术-直方图均衡化处理图片得到新的数据集。实验结果表明,在小样本情况下,相比于传统的模型,改进过后的模型A-ResNet50和A-ResNet101都能准确识别不同类型的病虫害图像,在测试集上的准确率为93.27%和93.11%,Kappa指数达到了0.902 7和0.899 6,证实了A-ResNet50和A-ResNet101模型在啤酒花病虫害识别上的可行性以及可靠性。本文提出的方法识别精度高,实现了啤酒花病虫害的智能识别,同时也对小样本数据集的高精度识别提供了一种途径。

关键词: 注意力机制, 小样本, 深度残差网络, 病虫害识别

中图分类号: 

TP391.41

S435.67

引用本文

陆雅诺;陈炳才;. 基于注意力机制的小样本啤酒花病虫害识别[J]. 中国农机化学报, 2021, 42(3): 189-196.

使用本文

导出引用管理器 EndNote|Ris|BibTeX

链接本文:http://zgnjhxb.niam.com.cn/CN/10.13733/j.jcam.issn.2095-5553.2021.03.026

              http://zgnjhxb.niam.com.cn/CN/Y2021/V42/I3/189

相关知识

一种基于小样本学习的花卉识别系统
基于python编程的五种鲜花识别
基于深度学习的玉米病虫害检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
强烈推荐神器：田间随手拍照识别病虫害
基于深度学习的花卉识别系统开发
基于深度学习的百合花种类识别研究
打造农业病虫害领域的ChatGPT，智能所联合发布“图知农业病虫害大模型”
基于Pytorch的花卉识别
科学岛团队联合发布“图知农业病虫害大模型”，打造农业病虫害领域的“ChatGPT”
农业病虫害数据集与算法——调研整理

原文链接: 基于注意力机制的小样本啤酒花病虫害识别 https://www.huajiangbk.com/newsview130978.html