基于改进EfficientNet模型的作物害虫识别

• 作者: 甘雨 郭庆文 王春桃 梁炜健 肖德琴 吴惠粦
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 作物 害虫识别 EfficientNet 坐标注意力机制 Adam IP102数据集
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 农业信息与电气技术|Agricultural Information and Electrical Technologies
• 页码范围: 203-211
• 页数: 9页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2022.01.023

摘要

精准识别作物害虫是控制虫害发生态势的重要基础.针对现有害虫识别准确率较低、基于卷积神经网络的害虫识别结构较复杂且计算成本较高、害虫识别模型泛化能力低及难以部署等问题,该研究提出了一种基于改进EfficientNet模型的作物害虫智能识别模型.该模型通过引入坐标注意力(Coordinate Attention,CA)机制而改进EfficientNet主体结构,引入数据增强的组合训练策略及Adam优化算法来提高模型的泛化能力,并采用迁移学习策略来训练改进的EfficientNet模型,从而提出了一个高性能轻量化的作物害虫识别模型CA-EfficientNet.在公开的大规模作物害虫数据集IP102上展开试验,结果表明该研究提出的CA-EfficientNet模型识别准确率达到69.45％,较改进前提高了4.01个百分点;与现有同类最优算法(GAEnsemble)的性能相比,识别准确率高出2.32个百分点.改进后的CA-EfficientNet模型参数量为5.38 M,较改进前仅增加了0.09 M;相比于经典分类网络VGG、ResNet-50、GoogleNet等,其参数量仅是这些网络模型参数量的3.89％、22.72％和52.63％.试验结果表明,所提方法有效提高了作物害虫图像的识别准确率,较大幅度地减少了模型参数量,在保持轻量化计算的基础上获得了明显优于同类最优算法的准确率.