基于视觉特征的多尺度混合注意网络用于细粒度棘品种识别
Chaoqun Tan1, Jiale Deng2, Chunjie Wu2
1School of Intelligent Medicine, Chengdu University of Traditional Chinese Medicine, Chengdu, 611137, China.
Scientific reports
|October 22, 2025
概括
准确的棘 (Crataegus spp.) 是一个精确的棘. 鉴定对其药用用途至关重要. 这项研究引入了一种使用视觉特征的深度学习模型,以精确识别棘品种,改进物种认证.
科学领域:
- 植物学 植物学
- 计算机科学 计算机科学
- 农业科学 农业科学
背景情况:
- 棘 (Crataegus spp.) 是一种棘. 价值心血管益处,但品种鉴定是困难的,因为种植的变化.
- 准确的物种认证对于霍桑产品的质量控制和有效性至关重要.
- 目前的识别方法在区分众多棘品种时面临挑战.
研究的目的:
- 开发一种自动化和准确的方法,以使用视觉特征来识别棘品种.
- 加强对经济重要棘作物的物种认证.
- 为了提高细粒度植物图像分类的精度.
主要方法:
- 提出了一种多规模的混合深度学习模型,以整合本地和全球图像特征.
- 整合了一种新的局部空间注意力机制,以改善细粒度细节的识别.
- 定制的损失功能旨在减少图像中的低频特征,提高分类.
主要成果:
- 与现有的最先进的方法相比,拟议的深度学习模型在霍桑识别中取得了更高的性能.
- 在专用和公共数据集上的实验验验证了模型的准确性和稳定性.
- 该模型有效地捕获了Hawthorn图像中的本地细节和全球背景.
结论:
- 开发的基于视觉特征的深度学习方法为霍桑物种身份验证提供了可靠的解决方案.
- 这种方法显著提高了精确识别棘品种的能力.
- 这些发现对棘的质量控制,研究和商业应用有影响.
