文献类型： 中文期刊

作者： 任亚举 ¹ ; 王瑞敏 ² ; 薛冬 ² ; 周琰琰 ² ; 陈新 ² ; 袁星星 ² ; 闫强 ² ; 罗楚平 ¹ ;

作者机构： 1.淮阴工学院生命科学与食品工程学院

2.江苏省农业科学院经济作物研究所

关键词： 大豆;种子活力;检测;高光谱;深度学习;注意力机制

期刊名称： 江苏农业学报

ISSN： 1000-4440

年卷期： 2025 年 41 卷 005 期

页码： 927-936

收录情况： 北大核心 ; CSCD

摘要： 为实现大豆种子活力的高效精准无损识别，本研究以大豆品种Williams82种子为试验材料，通过不同程度的人工老化处理构建不同活力的大豆种子库，然后采集其成像高光谱图像和RGB图像，生成3个图像集(RGB数据集、SIQ数据集、ENVI数据集),利用4个深度学习模型(Vgg16Net、GoogLeNet、MobileV3Net、ResNet-34)对种子活力进行检测，筛选出较优模型和数据集。并进一步在较优模型中添加坐标注意力机制(Coordinate attention, CA)和标签平滑损失函数提高模型的检测性能及鲁棒性。结果表明，基于SIQ数据集，ResNet-34模型的训练集和验证集识别准确率分别达到97.6%和96.8%,检测性能优于其他模型和数据集组合。在ResNet-34模型中添加坐标注意力机制和标签平滑损失函数构建的CA-ResNet-34模型，基于SIQ数据集对大豆种子活力检测的准确率可达到98.5%,比原始模型ResNet-34提升1.7个百分点。本研究结果为大豆种子活力准确、无损、高效检测提供新的方法。