基于改进SlowFast 模型的设施黄瓜农事行为识别方法

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-07-17 合作期刊: 《智慧农业（中英文）》

何峰 吴华瑞 史扬明 朱华吉

摘要： ［目的/意义］农事行为活动识别对设施蔬菜生产精准化调控有着重要意义，在一定程度上可以通过查看 农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄 瓜叶片和设施遮挡导致识别准确率不高的问题，提出一种名为SlowFast-SMC-ECA （SlowFast-Spatio-Temporal Ex⁃ citation、Channel Excitation、Motion Excitation-Efficient Channel Attention）的农事活动行为识别算法。［方法］该算 法主要基于SlowFast模型，通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特 征和关键特征的提取能力。在Fast Pathway中，引入多路径激励残差网络的概念，通过在信道之间插入卷积操作来 增强它们在时域上的相互关联性，从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中，将传统的 Residual Block替换为ECA-Res结构，以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系， 提升了特征之间的语义信息传递，进而显著提升了农事行为识别的准确率。此外，为了解决数据集中类别不均衡 的问题，设计了平衡损失函数（Smoothing Loss），通过引入正则化系数，平衡损失函数可以有效地处理数据集中 的类别不均衡情况，提高模型在各个类别上的表现。［结果和讨论］改进的SlowFast-SMC-ECA模型在农事行为识 别中表现出良好的性能，各类行为的平均识别精度达到80.47%，相较于原始的SlowFast模型有约3.5%的提升。 ［结论］本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。

通过

 点击量 2  下载量 1  评论 0