改进MobileViT网络识别轻量化田间杂草.pdfVIP

第 39 卷 　 第 9 期 农 业 工 程 学 报 Vol.39　No.9 152 2023 年 　　 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2023   ▪  农业信息与电气技术  ▪ 改进MobileViT网络识别轻量化田间杂草 杨森森 ，张　昊 ，兴　陆 ，杜　勇 ※ （东北农业大学电气与信息学院, 哈尔滨 150030） 摘　要：为解决现有的田间杂草识别方法无法兼顾高准确率与实时性的问题，该研究提出了一种基于改进MobileViT 网 络的轻量化杂草识别方法。首先，该方法使用高效的MobileViT 网络构建杂草特征提取网络，在保证特征提取能力的同 时实现更少的模型参数量与计算量；其次，通过高效通道注意力机制加强下采样后特征图中的重要特征，进一步提升模 型的特征提取能力；最后，特征提取网络中的MobileViT模块被用于同时学习局部语义信息和全局语义信息，仅通过少 量模块的组合便能够准确地捕捉到不同类别杂草与作物间细微差异。为验证该方法的有效性，该研究以农田环境下采集 的玉米幼苗及其4类伴生杂草图像为数据进行了模型训练，试验结果表明，该方法的识别准确率、精准度、召回率和 F1分数分别为99.61%、99.60%、99.58%和99.59%，优于VGG-16、ResNet-50、DenseNet-161、MobileNetv2等常用卷 积神经网络；同时，可视化结果表明该方法能够有效提取杂草图像中的关键特征，并抑制背景区域对识别结果的影响。 该研究提出的方法能够精准、快速地区分出农田环境下形态相似的多种杂草与作物，可为智能除草设备中的杂草识别系 统设计提供参考。 关键词：图像识别；杂草；MobileViT；通道注意力；全局语义信息 doi：10.11975/j.issn.1002-6819.202301105 中图分类号：S24　　　　文献标志码：A　　　　文章编号：1002-6819(2023)09-0152-09 杨森森，张昊，兴陆，等. 改进MobileViT网络识别轻量化田间杂草[J]. 农业工程学报，2023，39（9）：152-160. doi: 10. 11975/j.issn.1002-6819.202301105　　 YANG Sensen, ZHANG Hao, XING Lu, et al. Light weight recognition of weeds in the field based on improved MobileViT network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(9): 152-160. (in Chinese with English abstract)　　doi: 10.11975/j.issn.1002-6819.202301105　　 卷积神经网络已经在杂草识别上取得了较好的表   0　引　言 [10-11] 现 。OLSEN等构建了包含多类别杂草的DeepWeeds 杂草繁殖速度快，生长周期短，会与早期生长阶段 数据集，用于训练InceptionV3和ResNet-50模型对杂草 [12] [13] 的作物竞争光照、水分和营养物质，若不及时控制，会