基于改进MobileNet的轻量级外来入侵植物识别模型研究

文献类型: 中文期刊

第一作者: 吴鸿飞

作者: 吴鸿飞;刘万学;冼晓青;赵梦欣;姚青

作者机构:

关键词: 外来入侵植物;智能识别;通道剪枝;知识蒸馏;注意力机制;MobileNet

期刊名称: 植物保护

ISSN: 0529-1542

年卷期: 2024 年 001 期

页码: 85-96

收录情况: 北大核心 ; CSCD

摘要: 外来入侵植物防治的首要任务是准确识别入侵植物种类,然而外来入侵植物种类繁多,存在类间同质和类内异质现象,给技术人员甄别与防治外来入侵植物带来了挑战。为了准确、实时和高效地识别外来入侵植物,本文提出基于改进MobileNet的轻量级外来入侵植物图像识别模型(MobileNet-LW)。以专业人员鉴定得到的113种11 628幅外来入侵植物图像作为研究对象,并按照6∶2∶2的比例划分训练集、验证集和测试集。通过Retinex、旋转和高斯噪声等方法对图像进行数据增强。为了减少类间同质现象对模型误检的影响,在模型MobileNet基础上添加了SE通道注意力机制和深度连接注意力网络,提高网络对关键特征的提取能力。为了降低模型计算消耗和内存消耗,采用通道剪枝方法对网络瘦身;为了弥补剪枝后造成模型准确率降低,采用教师网络-助教网络-学生网络的形式对剪枝后的网络进行知识蒸馏,学生网络通过软知识的学习来提高识别外来入侵植物的准确率。通过消融试验测试模型的性能,利用平均准确率、平均召回率和平均F1值3个评价指标,对现阶段经典模型与改进后模型MobileNet-LW所获得的识别结果进行评价。消融试验结果显示,在相同数据集条件下,所有改进点对模型的性能都有所提升,且改进后算法在外来入侵植物图像识别中准确率提高了5.4百分点,模型参数量减少了约53%;模型对比试验表明,EfficentNet、DBTNet、ResNet-101、ConvNext和MobileNet-LW 5个模型平均准确率分别为72.3%、74.9%、76.1%、79.7%和86.1%,表明改进后的网络提高了外来入侵植物的识别准确率。基于改进MobileNet的轻量级外来入侵植物识别模型对113种外来入侵植物识别具有较高的准确率,且模型具有轻量化特点。

分类号: TP391.41%Q948

  • 相关文献

[1]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[2]基于改进YOLOv4算法的番茄叶部病害识别方法. 储鑫,李祥,罗斌,王晓冬,黄硕. 2023

[3]基于Android和深度学习的外来入侵植物智能识别系统. 刘万学,蒯乃阳,韩爽,冼晓青,陈宝雄,吕军,姚青. 2021

[4]面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型. 邱文杰,叶进,胡亮青,杨娟,李其利,莫贱友,易万茂. 2021

[5]基于卷积神经网络的家蚕幼虫品种智能识别研究. 石洪康,田涯涯,杨创,陈宇,粟思源,张智勇,张剑飞,蒋猛. 2020

[6]基于网络瘦身算法的YOLOv4-tiny的甘蔗茎节识别. 陈文,余康,李岩舟,陈远玲,胡珊珊,乔曦. 2023

[7]指针式仪表读数的机器视觉智能识别方法. 施滢,夏春华,胡琳娜,孟迎军. 2017

[8]基于图像处理的茶叶害虫智能识别方法研究. . 2019

[9]基于VGG-16卷积神经网络的水稻害虫智能识别研究. 钱蓉,孔娟娟,朱静波,张萌,董伟. 2020

[10]基于模糊光照处理的田间鲜烟成熟度图像智能判别方法研究. 代英鹏,刘浩,毕庆文,赵勇,王松峰,孟令峰,张国超,孙福山. 2024

[11]茶叶智能采摘技术研究进展与展望. 李杨,董春旺,陈建能,贾江鸣. 2022

[12]基于迁移学习的多模型水稻病害识别方法研究. 王忠培,张萌,董伟,朱静波,孔娟娟,钱蓉. 2021

[13]茶树尺蛾科典型害虫成虫智能识别技术研究. 吴阿林,周孝贵,肖强. 2014

[14]外来入侵植物——互花米草的控制措施. 林嵩. 2012

[15]外来入侵植物银胶菊的生物学特性. 曾东强,韦家书,张国良,周国辉. 2008

[16]红毛草(Rhynchelytrum repens)入侵特性、地理分布和风险评估. 丁丹,陈超. 2016

[17]外来入侵植物成灾的机制及防除对策. 徐正浩,王一平. 2004

[18]基于GIS的外来入侵植物调查规划与外业实施. 冼晓青,邱荣洲,池美香,赵健. 2018

[19]天敌资源在马缨丹生物防治中的应用. 李正跃,万方浩. 2009

[20]福建省农田生态系统外来入侵植物种类及其分布. 李建宇,史梦竹,郭燕青,郑丽祯,吴梅香,傅建炜. 2020

作者其他论文 更多>>