Share
Journal of Chinese Agricultural Mechanization ›› 2020, Vol. 41 ›› Issue (2): 171-176.DOI: 10.13733/j.jcam.issn.2095-5553.2020.02.26
Previous Articles Next Articles
Online:
Published:
孙鹏;陈桂芬;曹丽英;
基金资助:
摘要: 为解决大豆害虫图像的有效识别问题,需优化传统的卷积神经网络算法。将获取到的农田大豆蚜虫图像,运用优化的卷积神经网络算法,提出一种基于注意力机制的卷积神经网络模型用于对大豆蚜虫图像的识别。通过构建基于注意力机制的卷积神经网络模型,提取出具有能够有效识别的大豆蚜虫特征,提高模型的识别准确度,达到大豆蚜虫的精确识别。识别试验结果表明:在使用相同的数据集的情况下,与普通的卷积神经网络相比,加入注意力机制的卷积神经网络对大豆蚜虫图像的识别精度更高,准确度达到96.85%,与传统的卷积神经网络相比,准确率提高6.53%。该优化算法对于大豆蚜虫的识别具有更高的识别准确率,为大豆等农作物害虫的识别提供新的思路与方法。
CLC Number:
S435.651
TP391.41
TP183
孙鹏;陈桂芬;曹丽英;. 基于注意力卷积神经网络的大豆害虫图像识别[J]. 中国农机化学报, 2020, 41(2): 171-176.
0 / / Recommend
Add to citation manager EndNote|Ris|BibTeX
URL: http://zgnjhxb.niam.com.cn/EN/10.13733/j.jcam.issn.2095-5553.2020.02.26
http://zgnjhxb.niam.com.cn/EN/Y2020/V41/I2/171