基于多特征融合的水稻生长期识别模型OA

我国是全球最大的水稻种植国,水稻不同生长期的精准识别对于实现稻田智能化管理至关重要。以水稻生长的始穗期、齐穗期、乳熟期和黄熟期为识别目标,提出了一种基于多特征融合的水稻生长期识别模型。以无人机获取的高分辨率遥感影像作为数据源,分别采用Swin Transformer模型和ResNet18模型提取了影像的多尺度特征和深层语义特征;设计了一种改进的特征融合模块,包括自适应特征融合(AFF)模块和全局上下文建模(GC)模块。AFF模块通过学习特征之间的权重关系,实现不同特征的自适应融合。GC模块引入全局上下文信息,增强模型对全局特征的感知能力,提高模型对复杂场景的适应性;采用Lion优化器和动态学习率策略,加速模型的收敛速度。同时,引入Dropout层以防止过拟合,提高模型的泛化能力。对比实验表明,本文提出的模型在水稻抽穗期和成熟期识别任务上取得了97.14%的准确率,相较于MobileNetV2、EfficientNet和Swin Transformer分别提高了3.29、2.53、1.09个百分点。在保证高准确率的同时,该模型的参数量和计算量相对较少,具有较好的轻量化特性,适用于实际应用场景。