来源：期刊VIP网 时间：
作者：侯宇欣;徐嫱;陈献勇;周汉平;王爱国;刘文武;廖杨子杰;郭琦;过伟民;
单位：中国烟草总公司郑州烟草研究院;中国烟草总公司福建省公司;
摘要：为了智能识别田间烟株的生长发育状态，利用肥料梯度大田实验和烟株全生育期无人机平台数据采集，建立了包含6 029幅不同生长发育阶段和营养状态的烟株生长过程中的图像数据集。在经典图像分类网络EfficientNet-B0基础上，使用高效通道注意力机制（ECA）替代原MBConv中的压缩激励注意力机制（SE），将普通卷积替换为分组卷积并加入通道洗牌策略减少了模型参数量，构建了1种能够快速识别大田烟株生长发育阶段和营养状态的轻量化ES-EfficientNet模型。结果表明：(1)与原始的EfficientNet-B0模型相比，ES-EfficientNet模型识别准确率提高2.4百分点，参数量降低2.26 MB。(2)与常用图像分类模型EfficientNet V2、Mobile ViT、MobileNet、ResNet和ShuffleNet相比，ES-EfficientNet模型识别准确率提高0.7～43.8百分点。综合精度与参数量指标，ES-EfficientNet模型的参数量和复杂性降低，能更准确地判别烟株发育阶段和营养状态，可用于田间烟株生长的智能监测。
关键词：烟株;;生长发育阶段;;营养状态;;图像数据集;;深度学习;;EfficientNet
基金资助：中国烟草总公司重大科技项目“烟叶高质量科学图像数据集构建关键技术研究”（110202201051）;中国烟草总公司重点研发项目“烟叶质量监测预警系统研究与应用”（110202202017）
