改进MobileViT网络识别轻量化田间杂草

摘要：

为解决现有的田间杂草识别方法无法兼顾高准确率与实时性的问题,该研究提出了一种基于改进MobileViT网络的轻量化杂草识别方法.首先,该方法使用高效的MobileViT网络构建杂草特征提取网络,在保证特征提取能力的同时实现更少的模型参数量与计算量;其次,通过高效通道注意力机制加强下采样后特征图中的重要特征,进一步提升模型的特征提取能力;最后,特征提取网络中的MobileViT模块被用于同时学习局部语义信息和全局语义信息,仅通过少量模块的组合便能够准确地捕捉到不同类别杂草与作物间细微差异.为验证该方法的有效性,该研究以农田环境下采集的玉米幼苗及其 4类伴生杂草图像为数据进行了模型训练,试验结果表明,该方法的识别准确率、精准度、召回率和F1分数分别为 99.61%、99.60%、99.58%和 99.59%,优于VGG-16、ResNet-50、DenseNet-161、MobileNetv2等常用卷积神经网络;同时,可视化结果表明该方法能够有效提取杂草图像中的关键特征,并抑制背景区域对识别结果的影响.该研究提出的方法能够精准、快速地区分出农田环境下形态相似的多种杂草与作物,可为智能除草设备中的杂草识别系统设计提供参考.

关键词：图像识别、杂草、MobileViT、通道注意力、全局语义信息

所属期刊栏目：39

分类号：S24(农业电气化与自动化)

资助基金：黑龙江省自然科学基金联合引导项目;省级大学生创新创业训练计划项目

在线出版日期：2023-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：152-160