基于轻量级SE-PPM的自然状态烟叶正副组分类算法

作者：王洪成; 顾文娟^*; 刘孝保; 阴艳超; 王远强

来源：西北农林科技大学学报(自然科学版), 2024, (01): 1-11.

DOI：10.13207/j.cnki.jnwafu.2024.01.006

• 自然状态烟叶
• 正副组分类
• 轻量化模型
• 注意力机制
• 金字塔池化

【目的】针对自然状态烟叶传统正副组分类速度慢、正副组易错分、特征提取困难的问题,提出了一种基于轻量级SE-PPM的自然状态烟叶正副组分类算法(SAPMDSNet)。【方法】基于轻量级ShuffleNetV2网络,先通过降低网络卷积深度和进化激活函数,加快网络模型的训练速度;再引入通道注意力机制SE模块,增强通道间的特征差异,提高网络模型的表征能力,避免正副组烟叶叶部区域化导致的组别错分;最后通过嵌入金字塔池化模块PPM充分融合烟叶显露特征与全局信息,增强对正副组烟叶上下文信息的聚合,并采用自行构建的烟叶数据集进行对比试验。【结果】SAPMDSNet网络模型的分类准确率为91.09%,计算量(FLOPs)为151.70 M,取得了相对较高的分类效果。与原网络ShuffleNetV2模型和轻量级Ghost Net模型相比,SAPMDSNet网络模型的FLOPs分别升高2.65%和2.84%,而识别准确率则分别提高2.72和21.13个百分点;MobileNetV2、Dense Net和SqueezeNet模型的识别准确率分别为87.02%,89.53%和87.60%,虽均与SAPMDSNet模型的识别准确率接近,但其FLOPs明显较SAPMDSNet模型大。【结论】构建的SAPMDSNet模型能提高烟叶正副组分类精度且具有较好的整体性能,为烤烟烟叶品质初筛提供了新的思路和方法。

• 单位
  机电工程学院; 昆明理工大学