基于深度特征局部重采样融合的多种类水稻种子识别

张长胜; 李得恺; 杨忠义; 王蒙; 张付杰; 张庭源; 《农业机械学报 》 2025 EI 北大核心 CSCD

摘要：针对多种类水稻种子识别过程中,形态特征较多、分类难度较大的问题,本文提出了一种基于深度特征局部重采样融合(Depth feature local resampling fusion,DFLRF)的分类网络,对36种水稻种子进行分类识别。首先,该方法使用ConvNeXt作为骨干网络提取水稻种子特征;其次,采用特征强化注意力模块(Feature intensification attention module,FIAM)构造全局特征采集分支,使用多通道卷积局部重采样模块(Multi-channel convolutional local resampling module,MCLRM)和FIAM构建局部特征采集分支;最后,将输出的全局特征和局部特征进行融合,在CosFace损失约束下准确识别出具有近似特征的不同种类水稻种子。本研究使用自采数据集,实验得出,新模型ConvNeXtDFLRF总体准确率达到86.90%,较基础模型提高5.88个百分点,与InceptionResNetV2和EfficientNetV2等主流模型相比,总体识别准确率提升2.92～8.80个百分点,整体识别效果最优。本文所提出模型能够有效地对36种水稻种子进行分类,为多种类水稻种子分类识别的研究提供了一种新颖且有效的方法。

关键词： 水稻种子分类 多种类 深度特征 局部重采样 特征融合