农业机械学报

作者：张长胜，李得恺，杨忠义，王蒙，张付杰，张庭源

单位：昆明理工大学,昆明理工大学,云南省农业科学院,昆明理工大学,昆明理工大学,昆明理工大学,

关键词：水稻种子分类;多种类;深度特征;局部重采样;特征融合

基金：国家自然科学基金项目(62062048)和云南省科技计划项目(202201AT070113)

针对多种类水稻种子识别过程中，形态特征较多、分类难度较大的问题，本文提出了一种基于深度特征局部重采样融合（Depth feature local resampling fusion，DFLRF）的分类网络，对36种水稻种子进行分类识别。首先，该方法使用ConvNeXt作为骨干网络提取水稻种子特征；其次，采用特征强化注意力模块（Feature intensification attention module，FIAM）构造全局特征采集分支，使用多通道卷积局部重采样模块（Multi-channel convolutional local resampling module，MCLRM）和FIAM构建局部特征采集分支；最后，将输出的全局特征和局部特征进行融合，在CosFace损失约束下准确识别出具有近似特征的不同种类水稻种子。本研究使用自采数据集，实验得出，新模型ConvNeXt-DFLRF总体准确率达到86.90%，较基础模型提高5.88个百分点，与InceptionResNetV2和EfficientNetV2等主流模型相比，总体识别准确率提升2.92~8.80个百分点，整体识别效果最优。本文所提出模型能够有效地对36种水稻种子进行分类，为多种类水稻种子分类识别的研究提供了一种新颖且有效的方法。

来源：2025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2025年第7期