학술논문
基于结构重参数化的复杂背景下天然草地植物图像轻量级分类识别方法 / Lightweight Classification and Recognition Method of Natural Grassland Plant Image under Complex Background Based on Structure Reparameterization
Document Type
Academic Journal
Author
Source
西部林业科学 / Journal of West China Forestry Science. 52(4):144-153
Subject
Language
Chinese
ISSN
1672-8246
Abstract
野外环境下天然草地植物种类的准确快速识别对草地资源调查、科学实验和教学科普等应用场景至关重要,目前多采用人工现场判别等方式,耗时耗力且受限于专家经验.以新疆干旱区天然草地植物为研究对象,构建自然复杂背景下的整株天然草地植物图像数据集.引入非对称卷积并结合结构重参数化方法优化RepVGG网络,提出并验证了一种兼顾识别精度、并行度和效率的自然复杂背景下天然草地植物图像轻量级分类识别模型(RepVGG_ACB),并与主流的经典网络模型(VGG系列和ResNet系列)以及轻量级模型(MobileNetV2 和ShuffleNetV2)的识别效果进行对比分析.结果显示:(1)结构重参数化的RepVGG_ACB系列模型A0_ACB、A1_ACB和B0_ACB对天然草地植物的识别准确率为 90.7%、92.4%和 95.6%,模型有效且识别效果显著.(2)优化后的RepVGG_ACB网络在训练阶段采用多分支结构,识别准确率提高了 1.9%～4.2%,提高了网络的泛化能力;在推理阶段采用并行度更高的单路结构,减少了FLOPs和参数量,降低了模型复杂度.(3)与经典网络模型相比,在准确率相当的情况下推理速度提升了 1.3～3 倍;与轻量级模型相比,推理速度虽略不及但准确率提高了 2.1%～3.2%.结果表明:RepVGG_ACB系列网络在识别精度、并行度和效率方面取得均衡,具有其他网络所不具备的优势,可应用于无人机机载传感器网络或智能手持终端等边缘计算环境,为野外植物自动化高精度智能分类识别提供新方法.