基于改进ResNet101的黄瓜害虫识别方法研究

来源：江苏农业科学杂志2025年第第5期北京时间：

作者：黄英来;王奇;何少聪;林振群;牛达伟

单位：东北林业大学计算机与控制工程学院，黑龙江哈尔滨 150040

摘要：为提高黄瓜害虫的识别准确率，解决害虫吸食黄瓜汁液影响黄瓜产量的问题，提出一种基于ResNet101改进的黄瓜害虫识别模型QJSEC-ResNet101。该模型所采取的改进策略为(1)采用学习率余弦退火策略，使模型在训练过程中能够动态调整学习率；(2)利用迁移学习技术，将预训练模型的权重参数迁移到ResNet101中，从而进一步提升模型的性能；(3)为降低模型的计算复杂度并提升其轻量化程度，将原始的7×7大卷积替换为3个3×3小卷积；(3)将激活函数ReLU修改为SeLU改变神经元不学习的问题；(4)加入ECA注意力机制和CBAM注意力机制提升模型的识别效果。为增强数据的多样性，采用24种数据扩充方式对黄瓜害虫初始图像数据集进行扩充，这不仅丰富了数据集，也能使模型更好地进行特征识别和特征提取。最后，在模型的不同位置加入了ECA和CBAM等2种注意力机制，同时剪去layer中的Bottleneck模块，通过设计19种添加方案进行对比试验，选取了最优的添加方式。将改进后的模型通过pyqt界面实现，可以让使用者操作起来更加的得心应手，更加便捷。试验结果表明，QJSEC-ResNet101模型在复杂背景下对黄瓜害虫识别的准确率达到了99.39%，相较于传统模型提高了1.80百分点。同时，该模型的训练时间也大幅缩短，近乎减少了一半。因此，QJSEC-ResNet101模型为农业领域的黄瓜害虫识别提供了高效且准确的方法，具有重要的应用价值。

关键词：黄瓜害虫识别;残差网络;余弦退火;迁移学习;注意力机制