基于深度学习的可食用野菜种类识别

文献类型： 中文期刊

第一作者： 吴玉强

作者： 吴玉强;孙荀;季呈明;胡乃娟

作者机构：

关键词： 可食用野菜;种类识别;卷积神经网络;视觉自注意力;注意力机制模块

期刊名称： 中国瓜菜

ISSN： 1673-2871

年卷期： 2024 年 37 卷 011 期

页码： 57-66

摘要： 可食用野菜兼具营养价值和药用价值，然而传统采摘可食用野菜的分辨主要依赖人为主观经验，效率低且错误风险高，因此对可食用野菜快速准确的识别对实现野菜产业开发和保障食用安全具有重要意义。以南京地区“七头一脑”共8种可食用野菜为研究对象，构建了8种野菜的2400张图像数据集，采用3种具有代表性的卷积神经网络（convolutional neural network,CNN）模型（AlexNet、VGG16和ResNet50）和3种视觉自注意力（vision transformer,ViT）模型（ViT、CaiT和DeiT）共6种不同的深度学习模型进行训练和验证，并通过梯度加权类激活映射（gradient-weighted class activation mapping,Grad-CAM）来分析深度学习模型的决策机制。结果表明，ResNet50在验证集上的准确率达到94.68%，精确率、召回值和F1分数分别为97.66%、97.74%和97.70%，在6个模型中表现最佳。随后，在最优模型ResNet50基础上添加卷积模块的注意力机制（convolutional block attention module,CBAM）和坐标注意力机制（coordinate attention,CA）模块进行模型优化，结果显示，CBAM-ResNet50准确率达到了97.67%,CA-ResNet50准确率达到了98.34%，分别提高了2.99个百分点和3.66个百分点。以上研究结果证实了CNN模型在数据集上能取得比ViT更好的结果，利用深度学习识别可食用野菜种类是可行的，且添加注意力模块能够实现更高的识别准确率。

分类号： S647%TP18%TP391.41

  • 相关文献

[1]基于DNA条形码技术的常见赤眼蜂种类识别. 董杰,张桂芬,王品舒,乔岩,张宁,张金良,袁志强. 2014

[2]桔小实蝇幼体及成虫残体DNA条形码识别技术的建立与应用. 张桂芬,武强,张爱兵,王进军,万方浩. 2012

[3]基于改进Res Net50模型的大宗淡水鱼种类识别方法. 万鹏,赵竣威,朱明,谭鹤群,邓志勇,黄毓毅,吴文锦,丁安子. 2021

[4]山西省菜田潜叶蝇的种类识别及其发生规律. 康育光,秦卓,赵飞,孔维娜. 2013

[5]耳石形态在黄唇鱼、大黄鱼、丁氏(鱼或)和棘头梅童鱼种类识别中的应用. 区又君,廖锐,李加儿,勾效伟. 2012

[6]耳石形态在黄唇鱼、大黄鱼、丁氏鱴和棘头梅童鱼种类识别中的应用. 区又君,廖锐,李加儿,勾效伟. 2012

[7]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[8]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[9]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[10]小样本卷积神经网络井震映射反演. 安振芳,张进,张建中,邢磊,黄忠来. 2020

[11]采用卷积神经网络构建西北太平洋柔鱼渔场预报模型. 朱浩朋,伍玉梅,唐峰华,靳少非,裴凯洋,崔雪森. 2020

[12]基于SVM和CNN组合模型的黄瓜病斑叶片检测与识别. 王浩,王建春,李凤菊,钱春阳,张雪飞,徐义鑫,吕雄杰,杜彦芳,宋斌. 2020

[13]基于轻量化卷积神经网络的改进模型与验证. 李润龙,王运圣,徐识溥,刘勇. 2020

[14]基于VGG-16卷积神经网络的海水养殖病害诊断. 李海涛,王腾,王印庚. 2020

[15]基于卷积神经网络的水稻纹枯病图像识别. 刘婷婷,王婷,胡林. 2019

[16]基于U-Net的甘蔗提取方法. 董秀春,蒋怡,王思,李宗南,王昕. 2019

[17]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[18]融合语义特征与边缘特征的枸杞空间分布提取. 尹昊,张承明,李剑萍,韩颖娟,侯学会. 2022

[19]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[20]一种基于深度学习的水稻种子分类方法. 王晓飞,刘维,巫浩翔,陈浩,张丽婷,潘朝阳,何秀英. 2024

作者其他论文 更多>>

微信小程序