基于统计纹理残差学习网络的葡萄叶片分类方法 |
| |
引用本文: | 唐恒翱,李杭昊,孙志同,孟江飞,杨博宇,张宏鸣.基于统计纹理残差学习网络的葡萄叶片分类方法[J].华中农业大学学报,2023,42(3):169-176. |
| |
作者姓名: | 唐恒翱 李杭昊 孙志同 孟江飞 杨博宇 张宏鸣 |
| |
作者单位: | 1.西北农林科技大学信息工程学院,杨凌 712100;2.西北农林科技大学葡萄酒学院,杨凌 712100 |
| |
基金项目: | 国家重点研发计划项目(2020YFD1100601);陕西省科技厅项目(2023YBNY217);陕西省秦创原“科学家+工程师”建设项目(2022KXJ-67) |
| |
摘 要: | 针对葡萄叶片类间相似度高导致的类内品种分类精度低的问题,构建一种改进的统计纹理残差学习网络(statistical texture residual learning network, STRLNet)的葡萄叶片分类方法。首先在ResNet50骨干网络的基础上添加SE注意力机制,然后构建底层信息的特征增强层,最后将增强后的底层特征与骨干网络提取的高层语义信息相融合,输出连接到用于存储分类特性的全连接层上。利用采集的11种成熟期葡萄叶片数据集进行训练测试,结果显示,STRLNet在提高网络空间性能的同时可充分利用底层特征信息,对构建的葡萄叶片数据集的分类准确率可以达到92.26%,相较于ResNet骨干网络提高了约2.8个百分点,与VGG16、Inception v4和ResNet等主流分类网络相比在葡萄叶片细粒度分类中具有更高的准确性。研究结果表明,在多品种的葡萄叶片分类任务中,改进后的模型相较于骨干网络可以关注到更多的特征信息,相较于主流分类网络模型可以获得更高的分类精度,模型性能得到进一步的提升。
|
关 键 词: | 细粒度分类 葡萄品种分类 特征提取 注意力机制 纹理增强层 卷积神经网络 精准分类 |
收稿时间: | 2022/11/2 0:00:00 |
Fine-grained classification of grape leaves based on statistical texture residual learning network |
| |
Institution: | 1.College of Information Engineering, Northwest A&F University,Yangling 712100, China;2.College of Enology, Northwest A&F University, Yangling 712100, China |
| |
Abstract: | |
| |
Keywords: | fine-grained classification classification of grape cultivars feature extraction attention mechanism texture enhancement layer convolution neural network accurate classification |
|
| 点击此处可从《华中农业大学学报》浏览原始摘要信息 |
| 点击此处可从《华中农业大学学报》下载免费的PDF全文 |