文献类型： 中文期刊

作者： 冯永强 ¹ ; 刘成忠 ¹ ; 韩俊英 ¹ ; 鲁清林 ² ; 刘立群 ¹ ; 邢雪 ¹ ;

作者机构： 1.甘肃农业大学信息科学技术学院

2.甘肃省农业科学院小麦研究所

关键词： 小麦;品种识别;图像分类;ResNet34;生育期

期刊名称： 麦类作物学报

ISSN：

年卷期： 2024 年 002 期

页码： 242-252

收录情况： 北大核心 ; CSCD

摘要： 为了解决小麦种植中品系混乱、劣种降效、假种坑农以及模型参数过多不利于部署到移动端等问题，提出了IRMAnet模型。通过拍摄29种不同小麦的种子期、幼苗期、开花期图片，构建了一个拥有87个类别46 420张照片的小麦多生育时期数据集。基于该数据集，首先将原始ResNet34模型的基本残差块中的第二个卷积块替换为inverted residual block,以降低网络的参数量；其次在网络的Layer1层后加入一层RFB层，增大感受野的同时提高特征提取能力；最后在网络的Layer2、Layer3层后分别加入一层MAPOOL层，以增强泛化能力和准确性。在训练集上进行训练后，IRMAnet的准确率为95.0%,相较于ResNet34提高了1.9个百分点。将在训练集上训练得到的权重加载到验证集上后，除个别品种外，绝大多数品种的精确率、召回率、特异度均达到了90%以上。实验结果表明，IRMAnet能够对多个生育时期的小麦品种进行准确识别，模型性能更加优越，所使用参数量更低。该研究为全生育期小麦品种识别提供了依据，为小麦产业提质增效提供了新的技术选项。