基于改进残差神经网络的家蚕日龄识别模型

田丁伊; 石洪康; 祝诗平; 陈肖; 张剑飞; 《中国农机化学报 》 2024 北大核心

摘要：家蚕日龄的准确识别有助于精准饲喂和动物福利,因此为准确识别家蚕生长时期中3龄第1天至5龄第7天,共14个日龄,在实际环境下采集特定家蚕品种,构建以14个日龄为单位的数据集.提出一种基于改进残差神经网络的Moga-ResNet,该方法在经典残差神经网络ResNet50的基础上,引入多阶门控机制以获取日龄图像的显著性特征.通过在同一个家蚕日龄数据集上开展模型训练与测试得到,Moga-ResNet的识别准确率为96.57%,F1值为96.57%,召回率为 96.62%,与 Swin Transformer、MobileNet v3、CSPNet 和 DenseNet 四个经典模型的评价指标相比,Moga-ResNet 在家蚕的日龄识别中具有较强的识别能力,可以为开展家蚕精准饲喂和数字化管理相关工作提供基础.

关键词： 家蚕 日龄识别 多阶门控机制 残差神经网络