基于I＿CBAM-DenseNet模型的小麦发育期识别研究

摘要

针对我国农作物发育期人工观测效率低、识别准确率不高等问题，提出一种基于I＿CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络，融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接，并将改进的CBAM(I＿CBAM)插入到DenseNet最后一个密集网络中，构建一种I＿CBAM-DenseNet模型，再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息，将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I＿CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明，采取基于I＿CBAM-DenseNet的卷积神经网络建立的模型，准确率达到99.64%,高于对比模型.

关键词

小麦 / 发育期 / DenseNet / 卷积块注意模块(CBAM)