农业机械学报

作者：袁培森，丁毅飞，徐焕良?

单位：南京农业大学,南京农业大学,南京农业大学,

关键词：菊花表型;细粒度图像识别;主动学习;ResNet50;注意力机制模块

基金：国家自然科学基金项目(61502236)、国家级创新训练专项项目(202310307095Z)和江苏省研究生实践创新计划项目（SJCX23_0203）

针对菊花种类繁多，花型差别细微，准确标注比较困难的问题，基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM)，提出了一种标号数据不足情况下的菊花表型智能识别方法和框架。首先，通过主动学习策略基于最优标号和次优标号法（Best ?vs? second?best,BvSB）在未标记菊花样本中选取信息量较大的样本进行标记，并将标记后的样本放入训练样本中；其次，使用深度卷积神经网络ResNet50作为本文的主干网络训练标记样本，引入混合注意力机制模块CBAM，使模型能够更为准确地提取细粒度图像中的高层语义信息；最后，用更新后的训练样本继续训练分类模型，直到模型达到迭代次数后停止。实验结果表明，该方法在少量菊花标记样本下，精确率、召回率和F1值分别达到93.66%、93.15%和93.41%。本文方法可为标号数据不足情况下的菊花等花卉智能化识别提供技术支撑。

来源：2024年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第2期