基于EAMnet的小麦开花期品种识别研究

为解决传统识别方法效率低、准确率不佳、相关研究不足等问题,提出一种基于改进Resnet34的小麦开花期品种识别模型。首先,针对现有农业识别模型参数量较多,不利于在移动端部署的问题,使用改进Inceptionv1模块替代Resnet34网络基本残差块的第2个卷积块,使模型参数量降低了一半左右;其次,针对模型参数量减少后识别准确率下降的问题,在模型中加入ECA与simAM注意力机制,以期通过对小麦特征的有效提取提升小麦开花期品种识别准确率。实验结果表明,所提模型在小麦开花期数据集上的平均识别准确率达95.7%,相较原始Resnet34模型提高了2.1%,相较efficientnetv2_s、MobileNet-v2、GoogLeNet模型准确率分别提高了2.4%、3.2%、5.0%。所提模型具有更好的特征提取能力,为小麦开花期品种识别提供了一种有效方法。