一种融合注意力机制的轻量级重楼饮片分类方法

来源：计算机应用与软件杂志2025年第6期北京时间：

作者：罗晋, 张俊华, 罗旭东, 李学芳, 张鑫

摘要：针对重楼属植物中毛重楼、滇重楼、白花重楼的自动化识别问题，提出一种融合注意力机制的轻量级重楼饮片分类模型。首先，提出两种多尺度特征提取模块，综合提取多种尺度特征。然后，在ECA-Net (Efficient Channel Attention Network)和空间注意力机制的基础上提出ECSA-Module (Efficient Channel and Spatial Attention Module)，使特征图通道和空间信息得到充分利用。最后对主干网络进行密集连接，并使用随机擦除方法进行数据增强。实验表明，该模型的分类准确率高达96.74%，相较于MobileNet-V2、VGG16、Xception等模型分别提高了3.26百分点、2.82百分点、2.22百分点。基于该模型开发出的重楼识别系统精度高、速度快，具有重要的实践应用价值。

关键词：重楼分类, 深度学习, 卷积神经网络, 注意力机制, 多尺度特征提取