| 改进注意力机制嵌入PR-Net模型的水稻病害识别仿真 |
| |
| 作者姓名： | 路阳 刘鹏飞 许思源 刘启旺 顾福谦 王鹏 |
| |
| 作者单位： | 1.黑龙江八一农垦大学 信息与电气工程学院, 黑龙江 大庆 1633192.东北石油大学 黑龙江省网络化与智能控制重点实验室, 黑龙江 大庆 1633183.东北石油大学 人工智能能源研究院, 黑龙江 大庆 1633184.东北石油大学 三亚海洋油气研究院, 海南 三亚 572024 |
| |
| 基金项目： | 国家自然科学基金(U21A2019);黑龙江省自然科学基金联合引导项目(LH2020F042);黑龙江省博士后科研启动基金(LBH-Q17134);海南省科技专项(ZDYF2022SHFZ105) |
| |
| 摘 要： | 针对现有的CNN模型在水稻叶部病害的识别中准确率较低的问题,提出了一种结合并行结构和残差结构的混合卷积神经网络模型PRC-Net(parallel residual with coordinate attention network)。引入并行结构,提高卷积的感受野;结合残差结构,使特征信息完整的连续传递;在骨干模型PR-Net中嵌入改进的空间注意力机制,增强对不同尺度病斑特征信息的凝聚程度;为进一步提升病害识别的准确率,并减少模型的训练时间和推理时间,通过改变加权方式对模型结构进行优化。仿真结果表明：与InceptionResNetV2等分类模型相比,PRC-Net具有更少的训练参数、更短的训练时间和更高的识别精度,性能优于其他作物病害识别模型。
|
| 关 键 词： | 水稻叶部病害 PRC-Net parallel residual with coordinate attention network 卷积神经网络 注意力机制 图像识别 |
| 收稿时间： | 2023-03-21 |
|
| 点击此处可从《系统仿真学报》浏览原始摘要信息 |
|
点击此处可从《系统仿真学报》下载全文 |
|
