基于改进 ConvNeXt和知识蒸馏的蘑菇图像识别方法

来源：电子测量技术杂志2025年第20期北京时间：

作者：任喜伟，王瑞，贾事端，刘艳，肖曼

单位：陕西科技大学电子信息与人工智能学院 西安 710021

摘要：蘑菇种类繁多，尤其有毒蘑菇形态相近，不易识别，高效识别蘑菇种类有重要的现实需求。针对现有蘑菇图像识别方法存在背景复杂，识别精度不高，模型参数量大，移动端部署困难的问题，提出了一种基于改进ConvNeXt模型和知识蒸馏的蘑菇图像识别方法。首先，通过迁移学习将预训练的ConvNeXt权重文件应用于蘑菇识别任务，并引入坐标注意力机制，构建了ConvNeXt_CA模型，有效提升模型的细粒度特征提取能力。其次，基于知识蒸馏技术，将ConvNeXt_CA模型作为教师模型，ShuffleNet v2模型作为学生模型，构建了轻量化MushNet模型。极大提升改进模型部署边缘端的整体效率。最后，进行了相关模型对比实验，结果表明，提出的改进模型准确率达到94.89%，知识蒸馏后的MushNet模型大小约为原来的1/21，均优于其他传统模型和轻量化模型。证明了所提蘑菇图像识别方法的有效性和可行性。

关键词：蘑菇图像识别;MushNet;ConvNeXt;坐标注意力机制;迁移学习;知识蒸馏

基金资助：国家自然科学基金（61971272）、陕西科技大学科研启动基金（2020BJ-01）项目资助