来源：期刊VIP网 时间：
作者：陈翠琴;孟清;
单位：成都信息工程大学;海南职业技术学院工业与信息学院;
摘要：我国番茄的产量居世界前列，种植的主要方式为棚室种植，大多采用人工采摘，成本高、效率低，不利于种植产业的发展。为此，提出了一种基于A-ENet模型的图像处理技术，用于棚室番茄果实的识别。A-ENet模型在EfficientNet运行时引入注意力机制，用于优化深度网络运算结果。EfficientNet通过调整、完善网络的宽度、深度等网络参数提升网络的识别准确率，同时在网络提取输入信号特征时引入注意力机制用于捕捉输入信号特征的权重信息，主动忽略环境因素对目标信号的干扰。A-ENet模型能够解决由于识别目标之间的细微差异产生的识别错误的问题，且能够减少随机环境因素对识别过程的干扰，提高识别成功率，对棚室番茄果实识别问题起到积极的影响作用。实验结果表明：所提出的基于图像处理技术的A-ENet模型能够构建出效率更高、鲁棒性更强的目标识别系统。
关键词：番茄果实;;EfficientNet;;注意力机制;;图像处理技术;;深度网络
基金资助：海南省高等学校教育教学改革研究项目(Hnjg2022-126);; 中华职业教育社黄炎培职业教育思想研究规划课题(ZJS2022Zd55)
