典型文献
基于多尺度特征实现超参进化的野生菌分类研究与应用
文献摘要：
在我国,因误食不可食用野生菌而导致中毒的事件频发,尤其是云南等西南地区,由于野生菌种类的类间特征差异较小,且实际场景下的图像背景复杂,仅靠肉眼分辨困难.目前虽然有多种方法可对野生菌进行分类,且最为可靠的方法为分子鉴定法,但该方法耗时长、门槛高,不适合进行实时分类检测.针对这一问题,提出了一种基于深度学习的方法,即使用注意力机制(CBAM),配合多尺度特征融合,增加Anchor层,利用超参数进化思想对其模型训练时的超参数进行调整,从而提升识别精度.与常见的目标检测网络SSD,Faster_Rcnn和Yolo系列等进行对比,该模型能更准确地对野生菌进行分类检测;经过模型改进后,相较于原Yolov5,Map提升3.7％,达到93.2％,准确率提升1.3％,召回率提升1.0％,且模型检测速度提升2.3％;相较于SSD,Map提升14.3％.最终将模型简化,部署到安卓设备上,增加其实用性,解决当前因野生菌难以辨别而误食不可食用野生菌导致中毒的问题.
文献关键词：
计算机应用;卷积神经网络;多尺度特征;超参数进化;注意力机制;可食用野生菌;目标检测
中图分类号：
作者姓名：
张盾;黄志开;王欢;吴义鹏;王颖;邹家豪
作者机构：
南昌工程学院信息工程学院,江西 南昌 330000;南昌工程学院机械工程学院,江西 南昌 330000
文献出处：
引用格式：
[1]张盾;黄志开;王欢;吴义鹏;王颖;邹家豪-.基于多尺度特征实现超参进化的野生菌分类研究与应用)[J].图学学报,2022(04):580-589
A类：
可食用野生菌,超参数进化
B类：
征实,分类研究,误食,西南地区,菌种,特征差异,仅靠,肉眼,多种方法,分子鉴定,槛高,实时分类,分类检测,注意力机制,CBAM,多尺度特征融合,Anchor,模型训练,识别精度,目标检测网络,SSD,Faster,Rcnn,模型改进,Yolov5,Map,准确率提升,召回率,模型检测,检测速度,终将,模型简化,安卓,前因,辨别,计算机应用
AB值：
0.319234
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
