文献类型： 中文期刊

作者： 张长胜 ¹ ; 李得恺 ¹ ; 杨忠义 ² ; 王蒙 ¹ ; 张付杰 ³ ; 张庭源 ¹ ;

作者机构： 1.昆明理工大学信息工程与自动化学院

2.云南省农业科学院生物技术与种质资源研究所

3.昆明理工大学现代农业工程学院

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

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2025 年 56 卷 007 期

页码： 522-531

收录情况： 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。