农业机械学报

作者：雷浩，苑迎春，许楠，何振学

单位：河北农业大学,河北农业大学,河北农业大学,河北农业大学,

关键词：枣品种识别;深度学习;注意力机制;多语义特征增强

基金：国家自然科学基金项目（62102130）和河北省自然科学基金项目（F2020204003）

针对目前自然环境下枣品种识别准确率较低的问题，提出了一种基于注意力机制和多语义特征增强的枣品种识别模型（ICBAM_MSFE_Res50）。该模型在ResNet-50基础上，引入改进注意力机制（Improved convolutional block attention module， ICBAM），ICBAM采用一维卷积和多尺度空洞卷积对卷积块注意力模块（CBAM）进行改进，消除了特征图降维时的信息损失，降低了模型计算量和参数量，提高了模型对枣果区域细粒度特征的提取能力。同时，提出了多语义特征增强（Multi semantic feature enhancement，MSFE）模块，该模块通过枣果区域定位算法提取更多枣果局部显著特征，并采用显著性特征抑制算法迫使模型学习枣果次要特征，从而达到枣果多种语义特征学习。实验结果表明，在20类枣品种数据集上，本文模型准确率为92.20%，与ResNet-50相比，提高4.26个百分点。对比AlexNet、VGG-16、ResNet-18、InceptionV3模型，准确率分别提高15.84、9.22、6.86、3.55个百分点。对比其他枣品种识别方法，本文方法在20种枣品种识别中表现最优，可为自然环境下枣品种识别研究提供参考。

来源：2024年第7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7期