基于改进FPN模型的西瓜幼苗智能识别方法

来源：中国农机化学报杂志2024年第12期北京时间：

作者：李彦勤, , 王晓婷

单位：（1. 河南省智慧农业远程环境监测控制工程技术研究中心，郑州市，450008；2. 河南经贸职业学院智能财经学院，郑州市，450008； 3. 开封大学信息工程学院，河南开封，475004）

摘要：为提高对不同时期西瓜幼苗智能识别的准确度和运行效率，采用深度学习技术提出改进特征金字塔模型（FPN）的智能识别方法。首先结合特征金字塔网络模型和Res2Net模型设计网络模型，利用有效通道注意力机制（ECA)赋予空间特征不同权重，采用通道参数共享的方式，降低模型的计算复杂度；然后采用残差结构对模型进行优化改进，在不增加训练参数的情况下，解决网络深度不断提升时出现的网络退化问题；最后在全连接层使用深度可分离卷积替换传统卷积，从而大幅减少计算量，实现轻量化的设计。对不同生长期西瓜幼苗叶片进行试验。结果表明：与几种较为先进的识别算法相比，提出的识别方法具有更高的识别准确度和最短的运算耗时，识别率达到96.84%，等误率仅为0.54%，平均精度mAP达到91.68%，运算耗时低至112 ms，为推动智慧农业的发展和实现智能化的农业管理决策提供技术保障。

关键词：农作物表型识别,深度学习,特征金字塔,残差网络,多尺度特征,可分离卷积

基金资助：河南省高等学校重点科研项目（21A520029）