基于深度特征局部重采样融合的多种类水稻种子识别

文献类型： 中文期刊

第一作者： 张长胜

作者： 张长胜;李得恺;杨忠义;王蒙;张付杰;张庭源

作者机构：

关键词： 水稻种子分类;多种类;深度特征;局部重采样;特征融合

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2025 年 56 卷 007 期

页码： 522-531

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对多种类水稻种子识别过程中,形态特征较多、分类难度较大的问题,本文提出了一种基于深度特征局部重采样融合(Depth feature local resampling fusion,DFLRF)的分类网络,对36种水稻种子进行分类识别。首先,该方法使用ConvNeXt作为骨干网络提取水稻种子特征;其次,采用特征强化注意力模块(Feature intensification attention module,FIAM)构造全局特征采集分支,使用多通道卷积局部重采样模块(Multi-channel convolutional local resampling module,MCLRM)和FIAM构建局部特征采集分支;最后,将输出的全局特征和局部特征进行融合,在CosFace损失约束下准确识别出具有近似特征的不同种类水稻种子。本研究使用自采数据集,实验得出,新模型ConvNeXtDFLRF总体准确率达到86.90%,较基础模型提高5.88个百分点,与InceptionResNetV2和EfficientNetV2等主流模型相比,总体识别准确率提升2.92～8.80个百分点,整体识别效果最优。本文所提出模型能够有效地对36种水稻种子进行分类,为多种类水稻种子分类识别的研究提供了一种新颖且有效的方法。

分类号： S511%TP18%TP391.41

  • 相关文献

[1]基于帧间深度特征差分的大西洋鲑鱼群活跃度分类模型. 徐立鸿,崔钰惠,刘世晶,韩厚伟. 2023

[2]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

[3]基于卷积神经网络的田间麦穗检测方法研究. 张合涛,赵春江,王传宇,郭新宇,李大壮,苟文博. 2023

[4]基于特征融合与冗余剔除的普洱茶种类电子鼻识别方法. 徐赛,张倩倩. 2020

[5]融合边特征与注意力的表格结构识别模型. 吕学强,张煜楠,韩晶,崔运鹏,李欢. 2023

[6]基于卷积神经网络深度特征融合的番茄叶片病害检测. 杜忠康,房胜,李哲,郑纪业. 2021

[7]一种基于高光谱图像的熟牛肉TVB-N含量预测方法. 田卫新,何丹丹,杨东,陆安祥. 2016

[8]基于多特征融合和稀疏表示的农业害虫图像识别方法. 张永玲,姜梦洲,俞佩仕,姚青,杨保军,唐健. 2018

[9]无人机多光谱影像的小麦倒伏信息多特征融合检测研究. 朱文静,冯展康,戴世元,张平平,嵇文,王爱臣,魏新华. 2024

[10]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[11]改进YOLOv3的多尺度高分辨率特征增强图像目标检测. 杨文姬,李浩,王映龙,梅梦. 2023

[12]基于多光谱成像技术的小麦品种快速无损鉴定. 许学,马卉,王钰,刘伟,杨剑波,汪秀峰. 2019

作者其他论文 更多>>

微信小程序