一种应用于云南省外侵物种识别的边缘计算模型

来源：湖北农业科学杂志2023年第10期北京时间：

作者：罗玲1a, 宋科1a, 王皓1a, 资彩飞2, 奉伟1a, 杜铭铭1a, 孙仲享1b, 曹志勇1a

单位：1a.云南农业大学, 大数据学院,昆明 650500;1b.云南农业大学, 植物保护学院,昆明 650500;2.云南高创人才服务有限公司,昆明 650221

摘要：基于MobileNet模型迁移对云南省4种主要外侵物种（鬼针草、喀西茄、水花生和紫茎泽兰）图像进行识别,将宽度倍率为1.0和1.4的MobileNet-v2模型分别应用在本研究数据集上进行试验,分析了MobileNet-v2网络模型识别不稳定的原因,通过增加通道注意力机制模块、更新激活函数和压缩网络层数对模型进行改进。结果表明,改进后的MobileNet-v2模型识别准确率达96.8%,模型参数量仅为 1 535 093。改进后的MobileNet-v2模型识别准确率高、模型参数量少,适合部署于边缘端,能更好地应用于云南省外侵物种防治领域。

关键词：外侵物种,边缘计算模型,MobileNet-v2模型,云南省

基金资助：国家重点研发计划项目（2021YFD1400200）; 云南省重大科技专项计划项目（202302AE090020）