来源：期刊VIP网 时间：
作者：王安;陈湛旭;孔景徐;吴思源;何绍威;张嘉玲;万巍;
单位：广东技术师范大学光电工程学院;
摘要：为了能准确地识别植物的生长阶段从而实现智慧植物补光，设计一套能识别植物种类和生长阶段的智慧植物补光系统，其中识别植物生长阶段以ResNet18模型进行改进，用深度可分离卷积代替传统卷积，并引入SE模块（squeeze and excitation module）来提高模型任务处理的效率和准确性，结合早停法和学习率衰减机制来训练，避免过拟合。以番茄为研究对象进行验证，识别其幼苗期、开花坐果期和果实成熟期。结果表明，改进ResNet18模型的识别准确率达到了96.57%，比原模型提高了4.93个百分点，单张识别时间为0.27 s，比原模型快了0.30 s，模型体积为原模型的14%，同时，改进后的模型在测试集准确率、参数量和Macro F1得分等方面都优于ResNet18、ResNet34、AlexNet和VGG16四种卷积神经网络。最后，将改进ResNet18模型应用于植物补光系统，实际识别番茄生长阶段的准确率达到了96.49%，并能输出预期的光谱。该系统能精准地识别植物种类及其生长阶段，从而调用匹配植物及其生长阶段的光配方，达到智慧补光的目的。
关键词：智慧补光;;卷积神经网络;;改进ResNet18模型;;植物生长阶段识别
基金资助：广东省普通高校重点领域项目（人工智能）项目（2019KZDZX1042）;; 2022年国家级创新训练项目（202210588009）
