基于融合双注意力机制的野生菌图像识别方法

来源：中国农机化学报杂志2025年第6期北京时间：

作者：王江晴, 马春, 莫海芳, 帖军, 田娟娟,

单位：（1. 中南民族大学计算机科学学院，武汉市，430074； 2. 湖北省制造企业智能管理工程技术研究中心，武汉市，430074； 3. 农业区块链与智能管理湖北省工程研究中心，武汉市，430074）

摘要：针对目前深度神经网络模型在野生菌识别任务中存在参数量过大导致在移动端部署难的问题，提出一种基于融合双注意力机制的BE—EfficientNet方法。采用轻量化模型EfficientNetB0作为基准模型，将BAM与ECA的融合双注意力模块BE替换EfficientNetB0核心模块MBConv中的SENet，使得模型不仅获取通道特征信息，还获取空间特征信息；同时引入Adam优化器，实现学习率自适应调节，提高分类精度。试验结果表明，改进后的BE—EfficientNet模型较基准模型EfficientNetB0准确率提高2.9%，参数量为4.40 MiB。此外，将提出的融合双注意力机制BE应用到VGG16、ResNet50、MobileNet V2、GoogLeNet和ShuffleNet V2模型上进行野生菌识别，在准确率上分别提高0.5%、0.8%、0.6%、0.5%和1.0%，表明双注意力机制BE具有一定的通用性。该方法可为在移动端部署野生菌识别提供新的方案。

关键词：野生菌,图像识别,深度神经网络,注意力机制,Adam优化器

基金资助：国家民委中青年英才培养计划（MZR20007）;湖北省技术创新计划重点研发专项（2023BAB087）;新疆维吾尔自治区区域协同创新专项（科技援疆计划）（2022E02035）;湖北省中医药管理局中医药科研项目（ZY2023M064）