基于多尺度ResNet融合注意力机制的麦冬细粒度识别

摘要：

中药材鉴别依赖于中药师的经验,效率低且没有统一的量化标准.针对川麦冬、山麦冬和浙麦冬3类易混淆中药饮片图像细粒度分类问题,本文提出一种基于ResNet-152残差神经网络的改进模型MARNet-152(Multiscale-Attention Re-sidual Network-152),辅助人工自动辨识3种易混淆的麦冬饮片.基于ResNet-152残差神经网络构建改进的模型MAR-Net-152,对ResNet-152网络结构中Bottleneck的3×3卷积核进行分组卷积以提取和表示多尺度特征;引入结合空间和通道的卷积注意力机制模块(Convolutional Block Attention Module,CBAM),使模型更关注识别目标物体细节并具有更好的解释性.改进后的网络模型在麦冬图像细粒度识别时达到91.42%的分类精度,相较于基础模型提高了6.62个百分点,可为麦冬识别提供参考.MARNet-152模型具有更高的泛化能力,识别效果较原始ResNet-152模型提升非常明显.

关键词：中药饮片辨识、图像分类、深度学习、残差网络、注意力机制

分类号：TP183;R2(自动化基础理论)

资助基金：教育部卓越工程师教育培养计划项目产学合作协同育人项目220500643305240

在线出版日期：2023-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：105-111