基于混合注意力机制的香菇菌棒成熟度分级研究

摘要

香菇是我国最主要的食用菌品种，实现对香菇菌棒成熟度准确分级是提高香菇产量的前提。本文以香菇菌棒为研究对象，提出了一种基于混合注意力机制的香菇菌棒成熟度分级模型。首先基于采集的香菇菌棒成熟度图像，通过DCGAN模型对香菇菌棒图像进行数据增强，学习各个阶段香菇菌棒成熟度图像的特征分布，构建香菇菌棒成熟度数据集。将混合注意力模块BAM添加到采用分组卷积的ResNeXt网络中，通过自适应调整特征关注重点，产生有效感受，提高分级精度。对比实验分析部分，首先评估了数据增强方法对分级模型的影响，结果表明，本文通过DCGAN模型所构建的数据集在分级中具有更强的鲁棒性，最后将该模型与ResNeXt、VGG-16、ResNet-50在香菇菌棒成熟度数据集中进行对比实验，BAM-ResNeXt模型的准确率、精确率、召回率分别为97.88%、94.26%、97.45%，均优于上述模型，实验结果表明本文提出的BAM-ResNeXt模型在香菇菌棒成熟度分级方面取得了良好的效果。

关键词

香菇菌棒 / 成熟度分级 / 深度学习 / 注意力机制 / 生成式对抗网络

基金资助

山东省重点研发计划（重大科技创新工程）项目（2022CXGC010609）