结合改进CBAM和MobileNet V2算法对小麦病斑粒分类

作者：任治洲; 梁琨^*; 王泽宇; 张群; 郭雅欣; 郭嘉琦

来源：南京农业大学学报, 2023, 1-11.

• 小麦病斑粒
• 注意力机制
• 轻量级神经网络
• 全整型量化

[目的]小麦病斑粒智能检测对于高效、快速、准确地评估麦粒的品级有着重要意义。现有小麦病斑粒分类的深度神经网络存在参数数量大、运算复杂等缺点，不便于在移动端部署模型，进而影响了小麦病斑粒现场分类的效率。本文提出了一种用于小麦病斑粒分类的轻量级神经网络算法。[方法]本研究在轻量化网络MobileNet V2的基础上进行改进，并且加入改进的CBAM（Convolutional Block Attention Module）注意力机制，对改进的模型全整型量化并在边缘计算设备上部署。利用该模型对四种小麦籽粒（赤霉病粒、腥黑穗病粒、破损粒和正常粒）分类。[结果]相比于改进前的MobileNet V2网络，结合改进的注意力机制和MobileNet V2网络在准确率、精准率、召回率上分别提升了3.15%、3%和3%；全整型量化后的改进模型对小麦赤霉病粒、腥黑穗病粒、破损粒和正常粒的识别准确率分别达到99%、94%、99%和96%，且模型大小仅有2.36 MB，该模型在边缘计算设备的单次推理时间仅为96.95 ms，本文改进后的算法模型准确率提升、模型大小减少、模型推理速度加快。[结论]本研究可为小麦病斑粒分类模型去冗余提供指导。

• 单位
  南京农业大学