基于多尺度雙路注意力膠囊網(wǎng)絡(luò)在水稻害蟲識別中的應(yīng)用

劉 裕，趙保平，張述嘉，林 潔

(1. 西京學(xué)院信息工程學(xué)院，西安 710123；2.寶雞市農(nóng)業(yè)科學(xué)研究院，陜西 寶雞 721000)

【研究意義】田間害蟲識別是害蟲防治的重要步驟，對提高作物產(chǎn)量與農(nóng)戶收入有著重要作用?！厩叭搜芯窟M(jìn)展】目前已有較多基于模式識別與數(shù)字圖像技術(shù)的害蟲識別方法[1]。胡永強等[2]提出了一種基于多特征融合與稀疏表示的害蟲識別方法，該方法提取害蟲的顏色、形狀、紋理等特征并構(gòu)造成特征矩陣，再求解特征矩陣的最優(yōu)稀疏系數(shù)實現(xiàn)害蟲識別。Wang等[3]提出了一種基于數(shù)字圖像技術(shù)與模式識別的害蟲識別方法，該方法首先對害蟲圖像進(jìn)行預(yù)處理以獲得純色背景圖像，再提取害蟲的軀干形狀、重心等特征并構(gòu)造成特征向量，最后結(jié)合支持向量機和人工神經(jīng)網(wǎng)絡(luò)進(jìn)行害蟲識別。Xie等[4]提出了一種基于多核學(xué)習(xí)與多任務(wù)表示的害蟲識別方法，該方法采用稀疏編碼直方圖表示害蟲圖像，能更好地量化形狀、紋理等特征。張永玲等[5]提出了一種基于多特征融合和稀疏表示的害蟲識別方法，該方法首先提取害蟲的HSV、HOG、Gaobor等特征并構(gòu)造成過完備字典，再利用過完備字典對害蟲圖像進(jìn)行稀疏表示，最后求稀疏解進(jìn)行害蟲識別。肖德琴等[6]提出了一種基于多算法結(jié)合的害蟲識別方法，該方法通過結(jié)合特征提取、干擾目標(biāo)去除、背景去除、自動計數(shù)算法實現(xiàn)害蟲識別。上述方法的識別性能特別依賴于人工提取特征的效果，但害蟲在不同時期具有不同的形態(tài)，且害蟲的分布位置與姿勢變化多樣，導(dǎo)致上述方法的泛化能力不能滿足作物害蟲識別的要求。近年來，隨著深度學(xué)習(xí)的快速發(fā)展，涌現(xiàn)了較多基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)的害蟲識別方法[7]。Cheng等[8]提出了一種基于改進(jìn)AlexNet的害蟲識別方法，該方法在AlexNet的基礎(chǔ)上增加卷積層和殘差連接機制，取得了較好的識別效果。梁萬杰等[9]提出了一種基于10層CNN的水稻二化螟識別方法，該方法利用正負(fù)樣本對網(wǎng)絡(luò)進(jìn)行交叉驗證，有效提高了識別性能。董偉等[10]提出了一種基于區(qū)域提議網(wǎng)絡(luò)(Region Proposal Network, RPN)和CNN的蔬菜害蟲識別方法，該方法利用RPN獲取蔬菜害蟲的位置區(qū)域，再輸入到CNN進(jìn)行害蟲識別。張博等[11]提出了一種基于空間金字塔池化與多尺度深度卷積網(wǎng)絡(luò)的害蟲識別方法，該方法利用空間金字塔池化模塊提取害蟲的多尺度特征，并結(jié)合卷積與上采樣以實現(xiàn)反卷積，取得了較好的識別效果。魏楊等[12]提出了一種基于RPN與快速區(qū)域神經(jīng)網(wǎng)絡(luò)的害蟲識別方法，該方法利用RPN獲取害蟲的位置區(qū)域，再利用快速區(qū)域神經(jīng)網(wǎng)絡(luò)進(jìn)行害蟲識別。Nanni等[13]提出了一種基于顯著性分析與CNN的害蟲識別方法，該方法利用三種顯著性方法對圖像進(jìn)行預(yù)處理，突出顯示圖像中最重要的像素，有效提高了訓(xùn)練速度。陳娟等[14]提出了一種改進(jìn)殘差網(wǎng)絡(luò)的害蟲圖像識別方法，該方法首先采用數(shù)字圖像處理技術(shù)對害蟲圖像進(jìn)行預(yù)處理，再利用殘差網(wǎng)絡(luò)進(jìn)行害蟲識別?？捉ɡ诘萚15]提出了一種基于多流概率融合網(wǎng)絡(luò)的害蟲識別模型，該模型首先利用多流深度網(wǎng)絡(luò)提取特征，再利用高斯概率融合層對特征整合優(yōu)化，取得了較高識別準(zhǔn)確率。邵澤中等[16]開發(fā)了一個面向移動端的農(nóng)業(yè)害蟲識別系統(tǒng)，該系統(tǒng)采用DenseNet121對66種常見害蟲進(jìn)行識別。孫鵬等[17]提出了一種基于注意力機制與CNN的大豆害蟲識別方法，該方法引入注意力機制以更好地提取害蟲特征，極大提高了識別準(zhǔn)確率?！颈狙芯壳腥朦c】為了解決CNN易丟失特征之間關(guān)系等問題，Hinton等[18]提出了膠囊結(jié)構(gòu)，并與Sabour等[19]提出了膠囊網(wǎng)絡(luò)，該網(wǎng)絡(luò)使用向量膠囊取代標(biāo)量神經(jīng)元，較CNN有更好的平移不變性。CapsNet在膠囊層之間使用動態(tài)路由算法代替池化層，能更好地提取特征信息。Shao等[20]提出了一種雙膠囊生成對抗網(wǎng)絡(luò)，在生成對抗網(wǎng)絡(luò)中引入2個CapsNet作為鑒別器，并將邊緣損失與原始對抗性損失相結(jié)合，能對復(fù)雜目標(biāo)進(jìn)行更好的特征描述。Gao等[21]提出了一種多尺度膠囊網(wǎng)絡(luò)，該網(wǎng)絡(luò)利用多尺度膠囊模塊提取特征之間的空間關(guān)系，并設(shè)計了自適應(yīng)融合卷積模塊用于更好地提取小目標(biāo)特征，取得了較好的識別效果。水稻害蟲圖像背景復(fù)雜且害蟲分布位置不均、害蟲姿態(tài)與尺度變化多樣為水稻害蟲準(zhǔn)確識別帶來了一定挑戰(zhàn)?！緮M解決的關(guān)鍵問題】針對水稻害蟲識別難題，本研究結(jié)合注意力機制[22]與CapsNet的優(yōu)勢，提出一種多尺度雙路注意力膠囊網(wǎng)絡(luò)，并應(yīng)用于水稻害蟲識別。

1 材料與方法

1.1 圖像篩選與預(yù)處理

數(shù)據(jù)集IP102 (https://github.com/xpwu95/IP102)[23]共有75 222幅圖像，包括102種害蟲，選取其中14種水稻害蟲，每種害蟲選取300幅共4200幅圖像組成實驗數(shù)據(jù)集(圖1)。其中70%圖像選為訓(xùn)練集，用于網(wǎng)絡(luò)權(quán)重參數(shù)的學(xué)習(xí)；20%圖像選為驗證集，用于優(yōu)化網(wǎng)絡(luò)參數(shù)；剩余10%圖像選為測試集，用于對所提出方法進(jìn)行驗證。為了驗證所提方法的魯棒性，均選用光照強烈、背景復(fù)雜等不同情況下的圖像且實驗數(shù)據(jù)集中同種害蟲均包含不同蟲態(tài)。為了提高識別精度，利用Photoshop將圖像統(tǒng)一調(diào)整為239×239像素。

圖1 數(shù)據(jù)集中部分圖像Fig.1 Examples of the dataset

1.2 試驗方法

1.2.1 膠囊網(wǎng)絡(luò)(CapsNet) CapsNet由編碼模塊和解碼模塊組成，CapsNet結(jié)構(gòu)如圖2所示。編碼模塊由卷積層(Conv)、主膠囊層(Primary Caps)和數(shù)字膠囊層(Digital Caps)組成。其中卷積層由256個9×9且步長為2的卷積核組成，輸出20×20×256維的特征圖；主膠囊層共有32組卷積核，每組由8個9×9且步長為2的卷積核組成，該層對卷積層的輸出進(jìn)行卷積計算，輸出1152個8維膠囊；數(shù)字膠囊層對主膠囊層的輸出進(jìn)行路由計算，輸出16×10維特征向量。解碼模塊由3個全連接層組成，該模塊接收數(shù)字膠囊層的輸出，重構(gòu)出原始圖像。

圖2 膠囊網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Structure of capsule network

CapsNet使用動態(tài)路由算法代替池化層，對輸入特征進(jìn)行分類，等同于特征選擇過程[24]。動態(tài)路由算法的中心思想為所有子膠囊對父膠囊的參數(shù)進(jìn)行預(yù)測，當(dāng)所有子膠囊預(yù)測結(jié)果一致時，父膠囊被激活并輸出特征向量。

(1)對輸入向量進(jìn)行加權(quán)求和并壓縮：

(1)

(2)對路由參數(shù)cij進(jìn)行更新：

(2)

式中，bij為子膠囊層中第i類膠囊連接到sj的概率。

CapsNet的損失函數(shù)采用邊緣損失函數(shù)：

(3)

式中，m+與m-為類別預(yù)測值，λ為平衡系數(shù)，Tk為數(shù)據(jù)類別標(biāo)簽，CNum為數(shù)據(jù)集的類別數(shù)，k為類別序號，vk為數(shù)字膠囊層輸出的特征向量。

1.2.2 多尺度雙路注意力膠囊網(wǎng)絡(luò)(MDACapsNet) 如圖3所示， MDACapsNet由編碼模塊、重構(gòu)模塊與分類模塊組成。其中編碼模塊用于提取圖像特征；重構(gòu)模塊用于對編碼模塊的輸出特征進(jìn)行采樣，輸出重構(gòu)圖像；分類模塊輸出分類結(jié)果。編碼模塊由卷積層1(Conv1)、多尺度雙路注意力模塊、卷積層2(Conv2)、主膠囊層(Primary Caps)、次膠囊層(Secondary Caps)組成。其中主膠囊層對卷積層2的輸出特征圖用32個步長為2的5×5卷積核進(jìn)行8次卷積計算，實現(xiàn)卷積層與膠囊層的轉(zhuǎn)換。重構(gòu)模塊由卷積層3(Conv3)、反卷積層(Deconv)、卷積層4(Conv4)組成。其中卷積層3用于實現(xiàn)膠囊層與卷積層的轉(zhuǎn)化，反卷積層對卷積層3的輸出進(jìn)行上采樣，再通過卷積層4下采樣后輸出重構(gòu)圖像。

圖3 多尺度雙路注意力膠囊網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Structure of the Capsule Multi-scale Dual-path Attention Capsule Network

分類模塊由數(shù)字膠囊層組成。在整體的MDACapsNet中，卷積層3與自注意力層的卷積核步長均為1，其他層的卷積核步長均為2。MDACapsNet的相關(guān)參數(shù)如表1所示。

表1 多尺度雙路注意力膠囊網(wǎng)絡(luò)的相關(guān)參數(shù)

卷積核大小固定使感受野大小受限，無法獲得全局信息。為了能獲取更豐富的上下文信息，在自注意力模塊[25]與通道空間注意力模塊[26]的基礎(chǔ)上，設(shè)計了一種多尺度雙路注意力模塊(Multi-scale Dual-path Attention Block，MDAB)并應(yīng)用在MDACapsNet初端。MDAB由雙路徑組成，上路徑由通道注意力模塊(Channel Attention Blcok，CAB)和空間注意力模塊(Spatial Attention Block，SAB)組成，下路徑為多尺度自注意力模塊(Multi-scale Self-attention Block，MSB)。

自注意力模塊可以有效獲取對害蟲分類至關(guān)重要的全局信息，但與常規(guī)卷積操作比較，自注意力模塊存在計算量大等缺點。MDBA在自注意力模塊中使用金字塔池化[27]以減少特征圖的維度并提取多尺度信息，能夠大量減少計算量。MDBA通過取輸入特征圖中不同尺度特征的加權(quán)值以表示某局部位置特征，實現(xiàn)特征之間的全局依賴并提取豐富的多尺度上下文信息。

(1)對輸入數(shù)據(jù)進(jìn)行卷積計算并進(jìn)行金字塔池化操作：

f(x)=wθx,g(x)=ρ(wφx),h(x)=ρ(wgx)

(4)

式中，wθ、wφ、wg為卷積核權(quán)重矩陣，ρ為金字塔池化操作，x為輸入數(shù)據(jù)。

(2)對f(x)和g(x)進(jìn)行全局相似度計算：

(5)

式中，xp為輸入數(shù)據(jù)上索引為p的特征值，N為輸入特征的總個數(shù)，c(p,q)為xp和xq的相似度值，G(xp)為xp的全局相似度值。

(3)對所有全局相似度值進(jìn)行掩模計算：

(6)

式中，yp為xp的掩模特征值，Wz為權(quán)重系數(shù)，z為輸出特征圖。

Mc(F)=σ{FNL[AvgPool(F)]+FNL[MaxPool(F)]}

(7)

式中，σ為Sigmoid激活函數(shù)，F(xiàn)為輸入特征。

Ms(F)=σ{Mean[AvgPool(F)+MaxPool(F)]}

(8)

式中，σ為Sigmoid激活函數(shù)，F(xiàn)為輸入特征，Mean為平均值計算。SAB輸出的空間位置特征圖與SAB的輸入數(shù)據(jù)進(jìn)行相乘，得到注意力特征數(shù)據(jù)。再與MSB的輸出特征圖相加，再經(jīng)過Sigmoid函數(shù)進(jìn)行歸一化后與輸入數(shù)據(jù)相乘，得到多尺度雙路注意力特征圖。

CapsNet中，動態(tài)路由算法相當(dāng)于膠囊之間進(jìn)行全連接映射，計算量會隨著輸入圖像尺度地提升而大幅增加。因此MDACapsNet使用局部共享動態(tài)路由算法[28]代替動態(tài)路由算法。局部共享動態(tài)路由算法規(guī)定子膠囊只能通過預(yù)設(shè)定的路徑路由到父膠囊，且同一類型膠囊設(shè)有共享轉(zhuǎn)移矩陣，能在確保性能的前提下，大幅減少網(wǎng)絡(luò)計算量。局部共享動態(tài)路由算法計算流程如下：

(9)

(10)

(11)

在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，當(dāng)神經(jīng)元輸入特征值小于零時，ReLU激活函數(shù)的輸出為零，導(dǎo)致神經(jīng)元的一階導(dǎo)數(shù)也為零，神經(jīng)元處于失活狀態(tài)。MDACapsNet使用Swish激活函數(shù)[29]，其與ReLu激活函數(shù)不同，當(dāng)輸入特征值小于零時，Swish將輸出其縮小值，能有效解決神經(jīng)元失活問題。Swish激活函數(shù)計算公式如下：

(12)

為提高識別準(zhǔn)確率與加速網(wǎng)絡(luò)訓(xùn)練，MDACapsNet在邊緣損失函數(shù)基礎(chǔ)上增加重構(gòu)圖像損失項。增加重構(gòu)圖像損失項后的邊緣重構(gòu)損失函數(shù)如下：

Loss=αMLoss+βRLoss

(13)

式中，α與β為重構(gòu)系數(shù)，MLoss為邊緣損失函數(shù)，RLoss為均方根誤差函數(shù)，其計算如下：

(14)

式中，pr(x)為第r張經(jīng)下采樣后得到的28×28像素圖像，Rr(x)為重構(gòu)模塊輸出的第r張重構(gòu)圖像，CNum為數(shù)據(jù)集類別數(shù)。

為了解決網(wǎng)絡(luò)訓(xùn)練時間過長造成的過擬合問題，MDACapsNet使用二階段訓(xùn)練方法。二階段訓(xùn)練方法先通過較少的訓(xùn)練數(shù)據(jù)獲得預(yù)訓(xùn)練網(wǎng)絡(luò)參數(shù)，再進(jìn)行全部數(shù)據(jù)的網(wǎng)絡(luò)訓(xùn)練。二階段訓(xùn)練方法描述如下。第一步：對網(wǎng)絡(luò)參數(shù)進(jìn)行隨機初始化；第二步：在水稻害蟲圖像數(shù)據(jù)集中隨機選取500幅圖像，然后對網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練并獲得預(yù)訓(xùn)練參數(shù)；第三步：網(wǎng)絡(luò)載入預(yù)訓(xùn)練參數(shù)，然后對網(wǎng)絡(luò)進(jìn)行全部數(shù)據(jù)的正式訓(xùn)練。

為了評估MDACapsNet對害蟲圖像的識別效果，引入識別準(zhǔn)確率、召回率作為評價指標(biāo)，衡量真實標(biāo)簽與識別結(jié)果之間的差異。識別準(zhǔn)確率為被正確分類的樣本占總樣本的比例，召回率為被正確分類的正類占總正類的比例。識別準(zhǔn)確率Accuracy、召回率Recall計算如下：

(15)

(16)

式中，TP為實例是正類，且被識別為正類的樣本；TN為實例為負(fù)類，且被識別為負(fù)類的樣本；FN為實例是正類，但被識別為負(fù)類的樣本；FP為實例為負(fù)類，但被識別為正類的樣本。

1.2.3 硬件環(huán)境及參數(shù)設(shè)定 硬件環(huán)境為Intel Xeon E5-2643v3 @3.40GHz CPU；GTX2080Ti 11GB GPU；64 GB內(nèi)存。實驗軟件環(huán)境為Python 3.7；CUDA Toolkit10.0；CUDNN V7.6.5；Windows10 64bit操作系統(tǒng)；Pytorch深度學(xué)習(xí)框架。在實驗中將訓(xùn)練集以批次的方式送入網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對所有訓(xùn)練集圖像完成一次訓(xùn)練為一次迭代。綜合考慮硬件環(huán)境與訓(xùn)練時間，將批次大小設(shè)置為32，最大迭代次數(shù)設(shè)置為500。在實驗中為了避免學(xué)習(xí)率過大導(dǎo)致網(wǎng)絡(luò)過擬合，MDACapsNet采用衰減學(xué)習(xí)率進(jìn)行網(wǎng)絡(luò)訓(xùn)練，學(xué)習(xí)率初始化為0.001，隨著迭代次數(shù)的增加，學(xué)習(xí)率依次減小原來的0.05倍。對網(wǎng)絡(luò)參數(shù)進(jìn)行初始化，生成均值為0，方差為1，符合正態(tài)分布的權(quán)重參數(shù)。多尺度注意力模塊的降采樣率設(shè)置為{1,3,6,8}，損失函數(shù)中α與β分別設(shè)置為0.9與0.1。

2 結(jié)果與分析

2.1 實驗訓(xùn)練過程分析

為了驗證MDACapsNet的有效性，在構(gòu)建的水稻害蟲圖像數(shù)據(jù)集上進(jìn)行實驗，并與CapsNet、MDACapsNet(28×28像素)、VGG16[30]和ResNet[31]進(jìn)行比較。由圖4-a可知，CapsNet經(jīng)過450次迭代時，其Loss值降到0.1881且Loss曲線已接近收斂，表明網(wǎng)絡(luò)的訓(xùn)練效果較差。使用28×28像素圖像輸入MDACapsNet進(jìn)行訓(xùn)練并完成500次迭代后，其Loss值降到0.115，與CapsNet的訓(xùn)練過程比較，表明提出的方法能有效優(yōu)化網(wǎng)絡(luò)。MDACapsNet經(jīng)過340次迭代時，其Loss曲線接近收斂且完成500次迭代后，Loss值降到0.0006，與28×28像素圖像輸入MDACapsNet的訓(xùn)練過程相比，表明239×239像素圖像輸入能有效提高網(wǎng)絡(luò)的訓(xùn)練效果。由圖4-b可知，MDACapsNet在訓(xùn)練過程中收斂速度比VGG16與ResNet更快，且在相同的迭代次數(shù)下，MDACapsNet的Loss值更低，表明MDACapsNet具有更強的識別能力。

圖4 不同方法的訓(xùn)練損失Fig.4 Training loss of different methods

為了更準(zhǔn)確地掌握網(wǎng)絡(luò)訓(xùn)練狀態(tài)，對卷積層1和多尺度雙路注意力模塊(Multi-scale Dual-path Attention Block，MDAB)的輸出特征圖與重構(gòu)圖像進(jìn)行可視化如圖5所示。由圖5-b可知，網(wǎng)絡(luò)經(jīng)過迭代訓(xùn)練后，卷積層1只能提取目標(biāo)區(qū)域的部分紋理特征，無法充分獲取目標(biāo)區(qū)域的特征信息。由圖5-c可知，MDAB已較完整地提取了害蟲的輪廓特征。圖5的特征圖可視化結(jié)果表明在MDACapsNet中引入MDAB，能極大提高網(wǎng)絡(luò)的特征提取能力。

圖5 特征圖與重構(gòu)圖像可視化Fig.5 Visualization of feature maps and reconstructed image

MDACapsNet重構(gòu)模塊輸出的重構(gòu)圖像如圖5-d所示，網(wǎng)絡(luò)能否有效地提取特征直接體現(xiàn)在重構(gòu)圖像質(zhì)量的優(yōu)劣上。重構(gòu)模塊已較完整地重構(gòu)出原始圖像，表明MDACapsNet能有效地提取害蟲圖像的特征。

2.2 不同方法的識別效果比較

由表2可知，MDACapsNet取得最高識別準(zhǔn)確率與召回率，分別為95.31%、94.89%。MDACapsNet的識別準(zhǔn)確率比MDACapsNet28(28×28像素圖像輸入)、VGG16、ResNet、CapsNet分別提高了14.82%、5.47%、2.83%、19.83%。CapsNet與MDACapsNet(28×28像素輸入)的輸入圖像尺度較小，輸入網(wǎng)絡(luò)的信息較少，導(dǎo)致網(wǎng)絡(luò)無法有效識別。VGG16與ResNet的卷積核尺度固定，無法獲得全局信息，所以這2種識別方法的識別準(zhǔn)確率和召回率均低于MDACapsNet。根據(jù)上述分析能判斷MDACapsNet具有較好的識別效果，能夠滿足對水稻害蟲識別的高精度要求。

表2 不同方法的識別效果

田間環(huán)境復(fù)雜多變，且水稻害蟲處于不同生長階段時，其形態(tài)差異較大。為更進(jìn)一步驗證所提出方法的魯棒性，分別使用不同方法對不同情況下水稻害蟲圖像進(jìn)行識別，其中不同情況包括光照復(fù)雜、成蟲期、小蟲圖像、成長期、幼蟲期。篩選后魯棒性驗證數(shù)據(jù)集共計350幅圖像，部分圖像如圖6所示。

圖6 不同情況下的水稻害蟲圖像Fig.6 Images of rice pest in different conditions

由表3可知，在魯棒性對比實驗中，MDACapsNet28與CapsNet在所有情況下均取得較差識別效果。當(dāng)處于成蟲期與成長期情況下，VGG16與ResNet均取得了較好效果，當(dāng)小蟲圖像與光照復(fù)雜情況時，識別準(zhǔn)確率均有較大幅度下降。MDACapsNet在所有情況下均取得較好識別結(jié)果，識別準(zhǔn)確率最大值與最小值之差僅為8.57%，表明MDACapsNet具有較強魯棒性。

表3 不同情況下的識別方法性能對比

綜合來看，基于MDACapsNet的水稻害蟲識別方法在少量數(shù)據(jù)的訓(xùn)練后，識別準(zhǔn)確率達(dá)到95.31%，且在復(fù)雜情況下仍能取得較好識別效果，網(wǎng)絡(luò)識別準(zhǔn)確率與網(wǎng)絡(luò)訓(xùn)練收斂能力均優(yōu)于其他方法。主要原因是引入了多尺度雙路注意力模塊與動態(tài)路由算法。在特征提取階段，多尺度雙路注意力模塊能提取害蟲多尺度信息，能有效降低害蟲尺度變化對識別準(zhǔn)確率的影響，且注意力機制能有效抑制復(fù)雜背景對特征提取的影響，再利用動態(tài)路由算法提高膠囊間的計算效率，使得網(wǎng)絡(luò)能接受大分辨率圖像，極大提高網(wǎng)絡(luò)識別準(zhǔn)確率。根據(jù)上述分析可知，MDACapsNet的識別能力能滿足復(fù)雜情況下對水稻害蟲識別的高精度要求。

3 討 論

準(zhǔn)確檢測水稻害蟲是水稻害蟲防治的前提。針對卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)對復(fù)雜背景下水稻害蟲識別準(zhǔn)確率低等問題，筆者提出一種多尺度雙路注意力膠囊網(wǎng)絡(luò)(Multi-scale Dual-path Attention Capsule Network, MDACapsNet)用于水稻害蟲識別。MDACapsNet通過在膠囊層之間使用局部共享動態(tài)路由算法代替動態(tài)路由算法進(jìn)行參數(shù)的更新，極大降低網(wǎng)絡(luò)計算量；然后在網(wǎng)絡(luò)初端引入多尺度雙路注意力模塊以實現(xiàn)特征之間的全局依賴并提供多尺度信息，提高網(wǎng)絡(luò)的特征描述與提取能力；最后在損失函數(shù)中增加重構(gòu)圖像損失項，加速網(wǎng)絡(luò)訓(xùn)練并提高識別準(zhǔn)確率。在MDACapsNet的訓(xùn)練過程中，采用衰減學(xué)習(xí)率與二階段訓(xùn)練方法以解決網(wǎng)絡(luò)的過擬合問題。在復(fù)雜背景下水稻害蟲圖像數(shù)據(jù)集上進(jìn)行實驗，并與CapsNet、VGG16、ResNet進(jìn)行比較。結(jié)果表明，MDACapsNet在識別評價指標(biāo)上均優(yōu)于其他被比較的方法，且在害蟲圖像背景復(fù)雜與害蟲尺度、姿態(tài)多變條件下，MDACapsNet也能有效識別。在未來工作中，需擴展數(shù)據(jù)集以進(jìn)一步提高網(wǎng)絡(luò)的魯棒性；需對同種水稻害蟲的周期進(jìn)行細(xì)致地分類，由此采取更有針對性的害蟲防治措施。

4 結(jié) 論

本研究針對田間水稻害蟲識別難點，提出一種基于多尺度雙路注意力膠囊網(wǎng)絡(luò)的水稻害蟲識別方法。在水稻害蟲數(shù)據(jù)集上進(jìn)行實驗，本方法識別準(zhǔn)確率達(dá)到95.31%，且在多種復(fù)雜情況仍取得較高識別準(zhǔn)確率，可應(yīng)用于田間水稻害蟲自動檢測系統(tǒng)。