基于融合注意力机制的苹果品种分类方法

摘要：

不同品种苹果之间往往存在较大的价格差异,为了防止从采购到销售过程中因苹果品种分类不当产生经济损失,提出了一种基于融合注意力机制的自动识别和分类模型EBm-Net(针对苹果类型).该模型通过融合通道注意力和空间注意力机制充分提取了苹果表面的形状轮廓特征和颜色纹理特征,从而进一步增加苹果类型之间的特征距离.同时,从特征图和类别概率统计图2方面证明了 EBm-Net在苹果品种分类方法上的有效性.实验结果表明,EBm-Net网络模型在红富士、乔纳金、秦冠、小国光、金冠、澳洲青苹、嘎啦上的分类准确率分别为96.25％、96.25％、100％、92.50％、98.75％、100％和93.75％,7种苹果类型的总体分类准确率高达96.78％.因此,将视觉图像与深度学习相结合对苹果品种进行分类和识别是可行的,为苹果品种的实时检测提供了一种新的方法.

关键词：苹果、品种分类、融合注意力机制、卷积神经网络、特征提取

所属期刊栏目：53

分类号：S661.1(果树园艺)

资助基金：天津市自然科学基金;天津市高等学校创新团队培养计划

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：304-310,369