基于注意力机制的轻量化VGG玉米籽粒图像识别模型

作     者：孙孟研 王佳 马睿 代东南 刘起 穆春华 马德新 Sun Mengyan;Wang Jia;Ma Rui;Dai Dongnan;Liu Qi;Mu Chunhua;Ma Dexin

作者机构：青岛农业大学青岛266109 山东省农业科学院玉米研究所济南250100 

出 版 物：《中国粮油学报》 (Journal of the Chinese Cereals and Oils Association)

年 卷 期：2024年第39卷第1期

页      面：189-195页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 

基　　金：山东省自然科学基金项目(ZR2022MC152) 山东省高等学校青创人才引育计划项目(202202027) 

主　　题：VGG16 SE模块 图像识别 深度学习 玉米籽粒 

摘      要：玉米是重要的生产资料,为实现对玉米种子的识别与保护,实验采集了5个玉米品种,经处理后共获得1778张玉米籽粒图像,建立胚面与胚乳面混合的数据集。按7∶2∶1的比例划分训练集、验证集和测试集。首先基于迁移学习选取DenseNet121、MobileNetV2、VGG16和GoogLeNet对玉米籽粒图像进行识别,在测试集上的准确率分别是94.32%、93.18%、95.45%和92.61%,由于在VGG16上的准确率最高,所以选择对VGG16进行改进,在对模型进行轻量化处理的同时引入通道注意力SE模块,构建一个新的网络模型L-SE-VGG,并与未预训练的VGG16、迁移学习的VGG16和不加SE模块的L-VGG进行对比,最终在L-SE-VGG上的识别准确率高达98.86%。研究为深度学习技术在玉米籽粒品种识别中的应用提供了新的有效策略和实验方法,为玉米籽粒品种的识别和检测提供了参考。