EL-DenseNet:基于擦除模块和DenseNet的蘑菇识别

来源：农业机械学报杂志2025年第9期北京时间：

作者：王耀君，赵韦婷，别宇辉，贾璐

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,

摘要：目标遮挡是计算机视觉中的一个重要挑战，尤其是在农业应用中，作物遮挡会模糊关键特征，影响模型的识别性能。为了解决该问题，提出了一种基于EL-DenseNet模型的蘑菇识别方法。EL-DenseNet是DenseNet的扩展，它包含一个擦除注意模块，用于增强对可见特征的敏感性。擦除模块有助于消除复杂的背景和不相关的信息，使蘑菇关键特征得以保留，并提高模型在杂乱环境中的识别精度。考虑到相似蘑菇物种识别的困难性，采用标签平滑正则化方法来减少由观察者引起的错误标签。该策略在训练过程中将硬标签转换为软标签，减少了模型对噪声标签的过度依赖，提高了模型的泛化能力。实验结果表明，结合迁移学习的EL-DenseNet算法对有遮挡复杂背景下的蘑菇识别率为96.7%。与原有的DenseNet等经典模型相比，该方法具有更高的识别精度和鲁棒性，为智能蘑菇识别提供了一种很有前景的解决方案。

关键词：多蘑菇识别;擦除模块;标签平滑;DenseNet

基金资助：多蘑菇识别;擦除模块;标签平滑;DenseNet