基于改进EfficientNet模型的作物害虫识别

TP391.41; 精准识别作物害虫是控制虫害发生态势的重要基础.针对现有害虫识别准确率较低、基于卷积神经网络的害虫识别结构较复杂且计算成本较高、害虫识别模型泛化能力低及难以部署等问题,该研究提出了一种基于改进EfficientNet模型的作物害虫智能识别模型.该模型通过引入坐标注意力(Coordinate Attention,CA)机制而改进EfficientNet主体结构,引入数据增强的组合训练策略及Adam优化算法来提高模型的泛化能力,并采用迁移学习策略来训练改进的EfficientNet模型,从而提出了一个高性能轻量化的作物害虫识别模型CA-EfficientNet.在公开的大规模作物...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 38; no. 1; pp. 203 - 211
Main Authors 甘雨, 郭庆文, 王春桃, 梁炜健, 肖德琴, 吴惠粦
Format Journal Article
LanguageChinese
Published 广州市智慧农业重点实验室,广州 510642%华南农业大学数学与信息学院,广州 510642 2022
华南农业大学数学与信息学院,广州 510642%华南农业大学数学与信息学院,广州 510642
广东省农业人工智能重点实验室,广州 510642%广州国家现代农业产业科技创新中心,广州 510520
广东省农业人工智能重点实验室,广州 510642
Subjects
作物;害虫识别;EfficientNet;坐标注意力机制;Adam;IP102数据集
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2022.01.023

Cover

Abstract TP391.41; 精准识别作物害虫是控制虫害发生态势的重要基础.针对现有害虫识别准确率较低、基于卷积神经网络的害虫识别结构较复杂且计算成本较高、害虫识别模型泛化能力低及难以部署等问题,该研究提出了一种基于改进EfficientNet模型的作物害虫智能识别模型.该模型通过引入坐标注意力(Coordinate Attention,CA)机制而改进EfficientNet主体结构,引入数据增强的组合训练策略及Adam优化算法来提高模型的泛化能力,并采用迁移学习策略来训练改进的EfficientNet模型,从而提出了一个高性能轻量化的作物害虫识别模型CA-EfficientNet.在公开的大规模作物害虫数据集IP102上展开试验,结果表明该研究提出的CA-EfficientNet模型识别准确率达到69.45％,较改进前提高了4.01个百分点;与现有同类最优算法(GAEnsemble)的性能相比,识别准确率高出2.32个百分点.改进后的CA-EfficientNet模型参数量为5.38 M,较改进前仅增加了0.09 M;相比于经典分类网络VGG、ResNet-50、GoogleNet等,其参数量仅是这些网络模型参数量的3.89％、22.72％和52.63％.试验结果表明,所提方法有效提高了作物害虫图像的识别准确率,较大幅度地减少了模型参数量,在保持轻量化计算的基础上获得了明显优于同类最优算法的准确率.
AbstractList TP391.41; 精准识别作物害虫是控制虫害发生态势的重要基础.针对现有害虫识别准确率较低、基于卷积神经网络的害虫识别结构较复杂且计算成本较高、害虫识别模型泛化能力低及难以部署等问题,该研究提出了一种基于改进EfficientNet模型的作物害虫智能识别模型.该模型通过引入坐标注意力(Coordinate Attention,CA)机制而改进EfficientNet主体结构,引入数据增强的组合训练策略及Adam优化算法来提高模型的泛化能力,并采用迁移学习策略来训练改进的EfficientNet模型,从而提出了一个高性能轻量化的作物害虫识别模型CA-EfficientNet.在公开的大规模作物害虫数据集IP102上展开试验,结果表明该研究提出的CA-EfficientNet模型识别准确率达到69.45％,较改进前提高了4.01个百分点;与现有同类最优算法(GAEnsemble)的性能相比,识别准确率高出2.32个百分点.改进后的CA-EfficientNet模型参数量为5.38 M,较改进前仅增加了0.09 M;相比于经典分类网络VGG、ResNet-50、GoogleNet等,其参数量仅是这些网络模型参数量的3.89％、22.72％和52.63％.试验结果表明,所提方法有效提高了作物害虫图像的识别准确率,较大幅度地减少了模型参数量,在保持轻量化计算的基础上获得了明显优于同类最优算法的准确率.
Author 吴惠粦
梁炜健
郭庆文
肖德琴
甘雨
王春桃
AuthorAffiliation 华南农业大学数学与信息学院,广州 510642%华南农业大学数学与信息学院,广州 510642;广东省农业人工智能重点实验室,广州 510642;广州市智慧农业重点实验室,广州 510642%华南农业大学数学与信息学院,广州 510642;广东省农业人工智能重点实验室,广州 510642%广州国家现代农业产业科技创新中心,广州 510520
AuthorAffiliation_xml – name: 华南农业大学数学与信息学院,广州 510642%华南农业大学数学与信息学院,广州 510642;广东省农业人工智能重点实验室,广州 510642;广州市智慧农业重点实验室,广州 510642%华南农业大学数学与信息学院,广州 510642;广东省农业人工智能重点实验室,广州 510642%广州国家现代农业产业科技创新中心,广州 510520
Author_FL Gan Yu
Xiao Deqin
Guo Qingwen
Liang Weijian
Wang Chuntao
Wu Huilin
Author_FL_xml – sequence: 1
  fullname: Gan Yu
– sequence: 2
  fullname: Guo Qingwen
– sequence: 3
  fullname: Wang Chuntao
– sequence: 4
  fullname: Liang Weijian
– sequence: 5
  fullname: Xiao Deqin
– sequence: 6
  fullname: Wu Huilin
Author_xml – sequence: 1
  fullname: 甘雨
– sequence: 2
  fullname: 郭庆文
– sequence: 3
  fullname: 王春桃
– sequence: 4
  fullname: 梁炜健
– sequence: 5
  fullname: 肖德琴
– sequence: 6
  fullname: 吴惠粦
BookMark eNo9j71KA0EURqeIYIx5DLHa8d47P7tbSog_ELTROuzO7oQNMgEnovYiimBlExXFTgloYWVAfJlsksfQoFh9cIpz-JZYxfVcztgKAkeMQ7XW5YX3jiMABTrCmBMQcUAOJCqs-s8XWd37IgWFIgSQWGWifByNR9eTm4_Z113T2sIUuevv5P3J81P5cDW9PRt_3k8vX8rX99lgOHs7Ly-Gy2zBJgc-r_9tje1vNPcaW0Frd3O7sd4KPAKpQGghjDUYSwitVAZ1RqgIckpNlMkkBBVLlKlKhIbYkiBrQaM0lAFEGkWNrf56jxNnE9dpd3tHh-6n2HanHXOSzk_CPCW-AYFqWDY
ClassificationCodes TP391.41
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.11975/j.issn.1002-6819.2022.01.023
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Agriculture
DocumentTitle_FL Recognizing crop pests using an improved EfficientNet model
EndPage 211
ExternalDocumentID nygcxb202201025
GrantInformation_xml – fundername: (广东省重点领域研发计划); (广东省科技计划项目); (广州市科技计划项目)
  funderid: (广东省重点领域研发计划); (广东省科技计划项目); (广州市科技计划项目)
GroupedDBID -04
2B.
4A8
5XA
5XE
92G
92I
93N
ABDBF
ABJNI
ACGFO
ACGFS
ACUHS
AEGXH
AIAGR
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CHDYS
CW9
EOJEC
FIJ
IPNFZ
OBODZ
PSX
RIG
TCJ
TGD
TUS
U1G
U5N
ID FETCH-LOGICAL-s1025-3633cfc19407f45c16d21520e2bc8d4a7059414b5a3609f232ff0614c2d008613
ISSN 1002-6819
IngestDate Thu May 29 04:08:36 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 1
Keywords 作物;害虫识别;EfficientNet;坐标注意力机制;Adam;IP102数据集
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1025-3633cfc19407f45c16d21520e2bc8d4a7059414b5a3609f232ff0614c2d008613
PageCount 9
ParticipantIDs wanfang_journals_nygcxb202201025
PublicationCentury 2000
PublicationDate 2022
PublicationDateYYYYMMDD 2022-01-01
PublicationDate_xml – year: 2022
  text: 2022
PublicationDecade 2020
PublicationTitle 农业工程学报
PublicationTitle_FL Transactions of the Chinese Society of Agricultural Engineering
PublicationYear 2022
Publisher 广州市智慧农业重点实验室,广州 510642%华南农业大学数学与信息学院,广州 510642
华南农业大学数学与信息学院,广州 510642%华南农业大学数学与信息学院,广州 510642
广东省农业人工智能重点实验室,广州 510642%广州国家现代农业产业科技创新中心,广州 510520
广东省农业人工智能重点实验室,广州 510642
Publisher_xml – name: 广东省农业人工智能重点实验室,广州 510642
– name: 广州市智慧农业重点实验室,广州 510642%华南农业大学数学与信息学院,广州 510642
– name: 广东省农业人工智能重点实验室,广州 510642%广州国家现代农业产业科技创新中心,广州 510520
– name: 华南农业大学数学与信息学院,广州 510642%华南农业大学数学与信息学院,广州 510642
SSID ssib051370041
ssj0041925
ssib001101065
ssib023167668
Score 2.5320876
Snippet TP391.41; 精准识别作物害虫是控制虫害发生态势的重要基础.针对现有害虫识别准确率较低、基于卷积神经网络的害虫识别结构较复杂且计算成本较高、害虫识别模型泛化能力低及难以部署等问题,该研究提出了一种基于改进EfficientNet模型的作物害虫智能识别模型.该模型通过引入坐标注意力(Coordinate...
SourceID wanfang
SourceType Aggregation Database
StartPage 203
Title 基于改进EfficientNet模型的作物害虫识别
URI https://d.wanfangdata.com.cn/periodical/nygcxb202201025
Volume 38
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV1LaxRBEG6SDYgexCfxSQ72SWad6dd0H3uyswTBnBLILey84mmFZAOas4giePLiA8WbEtCDJwPin8kmC_4Jq3o6u4NZ4uMy9FRXf1VdNTPV1XT3EHLL5OD0HuOBNmUYCBaJQIuiDHhmhC6joooN7ne-t6yWVsXdNbk2M_uzsWppe5C1852p-0r-x6tAA7_iLtl_8OwYFAhQBv_CFTwM17_yMU0lNV2aWJoKvOqUpooaKBuaapp0qUlSd0YEhJblcoC1VlMbuYYp1QlNY2qgoXAIHWoWkaINtQZ5bEoTjlAGKAkWbJdqhVUayklzaOuIyiEAlEZYoCQxtRIxQS6KA8wOtQo10RaqjhzuFBHUaJoa0BrYJzWGao7NEM468SAG2sfNxrrujkIIlKiwm5pPWIDAYNzseJlTU-KtV8FPfLBJguzEGTRi3Q2wFxY0tkYxxtkd1IAuxdM6D2qDqI4XmBwZFHHAmtCRRU-xAh704-Juw4cM8jbKpEPvOPe6gpkqTyJQrcrYxgawwgbFMSOOQEn4IChnhG6Dxzhvs5N0aoQyjHVK-4DkYx3Xx95pH7hC3hgDsToAHg-vJpYuvqKE9lhCG91Tn37LJ-OK8WrP_qON_GGGPHiAoZwlcyxWirXInE06SXcyeo9wgmIcXhge0qAm2bCMOP6LYbyCC9cvSLeYwatxitAjJe-cpKLbn9evev2NxlBy5Rw563PABVu_0OfJzM79C-SM3dj05-CUFwkfvt_b33tx8PLb6Meb5it88PHD8N3zw9eP97-_PXz2afj56-jV7ujLk-HT3UtktZuuLC4F_v8mwRbaIeCK87zKIyPCuBIyj1SBf5kOS5bluhC9GM9SikQme1yFpoLcp6pwAidnBc5ERPwyafUf9Mt5slBqyXqywPDNoD40rKgEJF8sM5CwifAKWfBdXvffr63139xy9c8s18hpLNczkNdJa7C5Xd6AMfkgu-l9-Qvvm5zg
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%94%B9%E8%BF%9BEfficientNet%E6%A8%A1%E5%9E%8B%E7%9A%84%E4%BD%9C%E7%89%A9%E5%AE%B3%E8%99%AB%E8%AF%86%E5%88%AB&rft.jtitle=%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E5%AD%A6%E6%8A%A5&rft.au=%E7%94%98%E9%9B%A8&rft.au=%E9%83%AD%E5%BA%86%E6%96%87&rft.au=%E7%8E%8B%E6%98%A5%E6%A1%83&rft.au=%E6%A2%81%E7%82%9C%E5%81%A5&rft.date=2022&rft.pub=%E5%B9%BF%E5%B7%9E%E5%B8%82%E6%99%BA%E6%85%A7%E5%86%9C%E4%B8%9A%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E5%B9%BF%E5%B7%9E+510642%25%E5%8D%8E%E5%8D%97%E5%86%9C%E4%B8%9A%E5%A4%A7%E5%AD%A6%E6%95%B0%E5%AD%A6%E4%B8%8E%E4%BF%A1%E6%81%AF%E5%AD%A6%E9%99%A2%2C%E5%B9%BF%E5%B7%9E+510642&rft.issn=1002-6819&rft.volume=38&rft.issue=1&rft.spage=203&rft.epage=211&rft_id=info:doi/10.11975%2Fj.issn.1002-6819.2022.01.023&rft.externalDocID=nygcxb202201025
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fnygcxb%2Fnygcxb.jpg