개선된 스윈 트랜스포머 기반의 옥수수 품종 인식을 위한 딥러닝 방법론 개발

전통적인 옥수수 씨앗 식별 방법의 높은 주관성, 빈번한 오류 발생 및 쉽게 손상되는 문제를 해결하기 위해, 본 논문에서는 딥러닝과 머신 비전을 결합하고 스윈 트랜스포머의 기초를 활용하여 옥수수 씨앗 인식을 개선합니다. 연구는 특징 주의와 다중 스케일 특징 융합 학습에 중점을 두었습니다. 첫째, 씨앗 이미지를 네트워크에 입력하여 얕은 특징과 깊은 특징을 얻습니다. 둘째, 다양한 단계의 특징에 가중치를 부여하여 강화하고 억제하는 특징 주의 레이어를 도입했습니다. 마지막으로, 얕은 특징과 깊은 특징을 융합하여 옥수수 씨앗 이미지의 다중 스케일 융합 특징을 구성하고, 분류기를 통해 씨앗 이미지를 19개 품종으로 분류합니다. 실험 결과에 따르면, MFSwin 트랜스포머 모델의 평균 정확도, 재현율 및 F1 값은 각각 96.53%, 96.46%, 96.47%로 나타났으며, 파라미터 메모리는 12.83 M입니다. 다른 모델들과 비교할 때, MFSwin 트랜스포머 모델은 가장 높은 분류 정확도 결과를 달성했습니다. 따라서 본 논문에서 제안한 신경망은 옥수수 씨앗을 정확하고 효율적으로 분류할 수 있으며, 옥수수 씨앗 이미지의 고정밀 분류 요구 사항을 충족하고 씨앗 식별을 위한 참고 도구를 제공할 수 있습니다.