基于多尺度上下文和特征金字塔的成小麦的THz图像识别
Yuying Jiang1,2,3, Xinyu Chen1,2,4, Hongyi Ge1,2,4
1Key Laboratory of Grain Information Processing & Control, Ministry of Education, Henan University of Technology, Zhengzhou, China.
Frontiers in plant science
|June 19, 2025
概括
准确识别成的小麦对于保持质量至关重要. 一个新的网络,MSCFP-Net,通过使用多尺度上下文和特征金字塔来改进成的小麦分类,提高识别准确性.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 储存小麦中的菌生长显著降低了其质量.
- 及时准确地识别成的小麦对于质量控制至关重要.
研究的目的:
- 开发一个高精度的识别网络,用于分类有不同程度的菌的小麦.
- 引入一种新的网络架构,以改进状小麦检测.
主要方法:
- 提出了一个基于状小麦识别网络 (MSCFP-Net) 的多规模上下文和特征金字塔.
- 利用ResNeXt作为基线,结合多个规模的上下文特征提取和协调的注意力机制.
- 嵌入了双向特征金字塔网络,以保留粗粒度和细粒度特征.
主要成果:
- 与基线网络相比,MSCFP-Net表现得更好.
- 准确度,精度,回忆和F1得分分别增加了1.08%,1.25%,0.53%,0.91%.
- 该网络实现了状小麦THz图像的优质细粒度分类.
结论:
- MSCFP-Net有效地提高了成小麦的识别准确性.
- 拟议的网络架构为状小麦检测提供了出色的细粒度分类功能.
- 这项研究为使用先进的深度学习技术识别成的小麦提供了强大的解决方案.
