基于注意力机制的改进残差网络的柑橘分类研究OA
Research on Citrus Classification based on Improved Residual Network and Attention Mechanism
针对传统柑橘分级技术大多依赖人工获取特征信息,工作繁琐且效率低,难以实现在食品工业条件下进行有效识别的特点,提出一种基于注意力机制的改进残差网络的柑橘分类方法.该研究在残差网络(ResNet34)的基础上加入注意力机制,提高了有用信息的权重,同时降低了无关信息的权重,从而改善了分类模块的特征信息采集水平,进而提升了模型的分类能力.试验结果表明,基于注意力机制的残差网络对健康柑橘与缺陷柑橘的分类准确率达到99.02％,相较于原ResNet34模型分类准确率有了相对地提高和稳定.加入注意力机制的残差网络对于柑橘表面缺陷具有更好的特征提取能力,能够提取更多的柑橘缺陷特征信息.该研究有助于提高柑橘产业生产率,并为柑橘缺陷识别提供参考.
周剑;谢知音
湖北民族大学林学园艺学院,湖北 恩施 445000湖北民族大学智能科学与工程学院,湖北 恩施 445000
信息技术与安全科学
柑橘分级残差网络注意力机制特征提取
《现代农业装备》 2023 (1)
47-55,9
评论