基于改进ResNet18的胡麻干旱胁迫识别与分类研究 |
| |
引用本文: | 刘芳军,李玥,武凌,吴丽丽.基于改进ResNet18的胡麻干旱胁迫识别与分类研究[J].江西农业大学学报,2023(6):1517-1527. |
| |
作者姓名: | 刘芳军 李玥 武凌 吴丽丽 |
| |
作者单位: | 1. 甘肃农业大学信息科学技术学院;2. 兰州交通大学网络信息中心 |
| |
基金项目: | 国家自然科学基金项目(32060437);;甘肃省科技计划-自然科学基金重点项目(23JRRA1403)~~; |
| |
摘 要: | 【目的】为实现在移动端对胡麻干旱胁迫实时监测,解决传统机器学习方法在识别分类时准确率低、速度慢的问题,提出一种基于改进ResNet18的胡麻干旱胁迫分类识别方法。【方法】首先在网络中添加卷积块注意力(CBAM)模块,强化网络对胁迫特征的提取能力;其次调整残差块中批标准层、激活函数、卷积块的连接顺序,实现对输入的样本数据进行归一化操作;最后将ReLU激活函数替换成LeakyReLU激活函数,避免出现神经死亡现象。试验分为无胁迫、轻度干旱、重度干旱3个水分胁迫处理,分批次采集不同干旱程度胡麻叶片图像,数据样本按3∶1分为训练集与测试集,并使用数据增强的方法增加样本的多样性。【结果】改进ResNet18模型分类准确率高达98.67%,相比于ResNet18和VGG16分别提高6.14和4.87个百分点,而模型所需参数大小仅为42.80 MB,单幅图像推理时间为17.50 ms。【结论】该文模型对胡麻干旱胁迫具有更好的分类识别效果,能够实现嵌入式设备上胡麻干旱胁迫识别的实时性要求。可为胡麻干旱监测、机械化生产等研究提供技术支持。
|
关 键 词: | 胡麻干旱胁迫 图像识别 ResNet18 迁移学习 深度学习 |
|