基于深度残差学习的成熟草莓识别方法

来源：中国农机化学报杂志2022年第2期北京时间：

作者：张继成, 李德顺

单位：1. 长江大学工程技术学院，湖北荆州，434020； 2. 海南大学计算机科学与技术学院，海口市，570228

摘要：为解决自然状态下成熟草莓存在的背景干扰、信息丢失等问题，提出一种基于深度残差学习的草莓识别方法。首先，引入深度可分离卷积降低残差网络参数，从不同角度提取成熟草莓特征，通过交叉熵损失函数来识别分类层中的草莓。其次，嵌入压缩和激励模块学习特征权重，使用特征重新校准改善网络的学习和表征属性。最后，采用添加空间金字塔池化、加权衰减优化方法提高模型的泛化能力，优化识别结果。试验结果表明，和现有其他深度模型相比，该方法能够有效地定位复杂背景下的成熟草莓，不易受到干扰环境的影响，具有更高的识别准确率和灵敏度，在数据集C中的识别准确率和灵敏度最高，分别达到92.46%和94.28%。

关键词：草莓识别,深度可分离卷积,残差网络,深度学习,压缩和激励模块,数据增强

基金资助：湖北省教育厅科学技术研究项目(B2020340)；长江大学工程技术学院科研基金项目（2020KY04）