基于改进残差神经网络的家蚕日龄识别模型

来源：中国农机化学报杂志2024年第2期北京时间：

作者：田丁伊, , 石洪康, , 祝诗平, , 陈肖, 张剑飞

摘要：家蚕日龄的准确识别有助于精准饲喂和动物福利,因此为准确识别家蚕生长时期中3龄第1天至5龄第7天,共14个日龄,在实际环境下采集特定家蚕品种,构建以14个日龄为单位的数据集。提出一种基于改进残差神经网络的Moga-ResNet,该方法在经典残差神经网络ResNet50的基础上,引入多阶门控机制以获取日龄图像的显著性特征。通过在同一个家蚕日龄数据集上开展模型训练与测试得到,Moga-ResNet的识别准确率为96.57%,F1值为96.57%,召回率为96.62%,与Swin Transformer、MobileNet v3、CSPNet和DenseNet四个经典模型的评价指标相比,Moga-ResNet在家蚕的日龄识别中具有较强的识别能力,可以为开展家蚕精准饲喂和数字化管理相关工作提供基础。

关键词：家蚕,日龄识别,多阶门控机制,残差神经网络

基金资助：四川省自然科学基金资助项目(2023NSFSC0498);南充市科技计划项目(22YYJCYJ0009)