２０２３年５月重庆师范大学学报（自然科学版）Ｍａｙ２０２３第４０卷第３期ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．４０Ｎｏ．３ＤＯＩ：１０．１１７２１／ｃｑｎｕｊ２０２３０３０５融合大核注意力机制的土壤种类识别网络＊刘康１，２，曾绍华１，２，胡静３，刘国一４，李超５（１．重庆师范大学计算机与信息科学学院，重庆４０１３３１；２．重庆市数字农业服务工程技术研究中心，重庆４０１３３１；３．重庆市农村土地整治中心，重庆４０１１２１；４．西藏自治区农牧科学院农业资源与环境研究所，拉萨８５００３２；５．重庆市铜梁区农业农村委员会，重庆铜梁４０２５６０）摘要：【目的】为解决因土壤图像纹理复杂、没有结构性特征导致的传统卷积神经网络模型难以提取其中关键性特征、识别准确率低的问题，提出了一种大核注意力（ｌａｒｇｅｋｅｒｎｅｌａｔｔｅｎｔｉｏｎ，ＬＫＡ）机制模块与ＲｅｓＮｅｔ模型融合的土壤种类识别网络模型ＶＡＲ（ｖｉｓｕａｌａｔｔｅｎｔｉｏｎＲｅｓＮｅｔ），以解决土壤种类样本不平衡和难分类样本造成的模型泛化能力弱的问题。【方法】以ＲｅｓＮｅｔ为主干网络，在主干中引入ＬＫＡ机制，减少其中的残差块，构建土壤种类识别网络ＶＡＲ，并改进网络的焦点损失函数（ＦｏｃａｌＬｏｓｓ）。【结果】１）与传统模型ＲｅｓＮｅｔ１８、ＲｅｓＮｅｔ３４、ＶＧＧ、ＧｏｏｌｅＮｅｔ、ＶＡＮ等相比，ＶＡＲ模型在特定模型参数下对紫色土土壤图像数据集中土壤种类的识别精度更高；２）用３种不同大小ＶＡＲ模型之一的ＶＡＲ＿ｓｍａｌｌ与以ＲｅｓＮｅｔ１８为主干并嵌入传统注意力机制ＳＥ、ＣＢＡＭ、ＥＣＡ和ＳＫ的网络进行对比，实验结果显示ＬＫＡ机制在土壤识别方面更加优秀；３）改进的ＦｏｃａｌＬｏｓｓ可让ＶＡＲ更能注意到难分类的土壤图像样本。【结论】将ＬＫＡ机制模块与ＲｅｓＮｅｔ模型融合的土壤种类识别网络模型ＶＡＲ增强了网络提取土壤图像中关键性结构特征能力，同时还减少了网络参数，能更加有效地识别土壤种类。关键词：土壤种类识别；ＶＡＲ；大核注意力；焦点损失函数中图分类号：ＴＰ３９１．４１文献标志码：Ａ文章编号：１６７２－６６９３（２０２３）０３－０１２９－１０土壤是农作物生产的基础，农作物的种类选择、种植方式、田间管理等均受到土壤种类差异的影响，因而正确识别土壤种类对农业...
