基于SE-ResNet34的红火蚁巢穴判别模型

来源：电子测量技术杂志2023年第23期北京时间：

作者：袁嘉辉，刘蕊，梁虹，周祥

单位：1.云南大学信息学院 昆明 650504; 2.云南大学地球科学学院 昆明 650504; 3.海南大学植物保护学院 海口 570228

摘要：红火蚁是近年来侵害我国南方的主要外来入侵物种之一，精确识别红火蚁巢穴是防控红火蚁的关键所在。为解决传统红火蚁防控依赖人工巡视、高危险、效率低的问题，降本增效实现红火蚁巢穴的智能检视，提出了一种基于ResNet34改进的红火蚁巢穴判别模型。该模型借助采集于不同地貌特征下的红火蚁巢穴图像，结合数据增强技术进行训练，通过在ResNet34的第1层卷积层之后和全连接层之前加入SE注意力机制模块，提升网络的自适应选择和通道权值调整能力，以提取红火蚁巢穴表面局部非线性的纹理特征。经过K折交叉验证试验和超参数探究消融试验，将SEResNet34与AlexNet、VGG-16、ResNet18、ResNet34、ResNet50进行对比，分析得出SE-ResNet34的峰值准确率达到了98.76%，比ResNet34的准确率提高了2.17%，较其他测试模型有训练时间短、识别精度高的特点，同时展现出较强的鲁棒性和稳定性。该方法在减少人工成本的同时可降低杀虫剂的使用，为红火蚁巢穴判别提供了一种便捷高效的解决方案。

关键词：红火蚁巢穴判别;全地形红火蚁巢穴数据集;SEResNet34模型;K折交叉验证

基金资助：云南大学第二届专业学位研究生实践创新项目（ZC-22222790）资助