基于改进ResNet34模型的杂草识别方法

作者：张媛; 陈西曲^*

来源：武汉轻工大学学报, 2023, 42(01): 86-94.

• 杂草识别
• 卷积神经网络
• 注意力
• 空洞卷积

要实现杂草的精准防控，除草剂的变量喷洒，杂草的准确识别是前提。针对田间复杂的自然环境，为了进一步提高杂草识别准确率，解决模型在识别中泛化和拟合能力较差等问题，提出了一种基于改进ResNet34模型的杂草识别方法。该方法以ResNet34为基础模型，将高效通道注意力机制(Efficient Channel Attention, ECA)与残差块相结合作为骨干网络，以此优化网络权重，强化对目标杂草的特征提取。并采用空洞卷积增加引入前方特征图的感受野，减少特征图精度上的损失。实验结果表明，该方法较未改进的AlexNet, GoogLeNet, VGG16,ResNet34网络相比，识别准确率分别提高了12%,16.41%,10.62%,1.44%,同时泛化能力更强。该方法也为杂草防治提供了新的解决方案，为农田的智能除草提供了新思路。

• 单位
  武汉轻工大学; 电子工程学院