| 摘 要： | 【目的】针对林业有害生物种类多,不少物种之间相似度高,视觉差异小,不易区分,导致林业防控人员无法快速准确识别有害生物种类的问题,本文提出基于深度双线性转换注意力机制网络（DBTANet）的林业有害生物细粒度图像识别方法。【方法】以自然状态下拍摄的60种林业害虫和14种林业有害植物图像作为研究对象,利用水平镜像、亮度调节、高斯模糊和高斯噪声等方法对图像数据集进行增强,按6∶2∶2比例划分为训练集、验证集和测试集;采用双线性插值法将每幅图像缩放至统一尺寸;改进ResNet网络中残差模块,加入深度双线性转换模块和注意力机制模块,建立DBTANet-101网络进行特征提取与分类;利用平均准确率、平均召回率和平均F1值3个指标评价不同模型对林业有害生物的识别结果。【结果】VGGNet-19、ResNet-50、ResNet-101、改进残差模块的ResNet-50和ResNet-101共5个模型对74种林业有害生物平均准确率分别为78.6%、74.9%、76.3%、79.7%和81.1%;在改进残差模块的ResNet-101基础上,增加深度双线性转换模块和注意力机制模块后,74种林业有害生物的平...
|
