基于双模态交叉注意力融合网络的中国五味子的无损质量评估

《Journal of Food Measurement and Characterization》:Non-destructive quality assessment of schisandra chinensis using a dual-modal cross-attention fusion network

【字体: 大 中 小 】 时间:2026年06月17日 来源:Journal of Food Measurement and Characterization 3.3

编辑推荐:

  摘要为克服传统五味子质量评估方法的局限性,我们提出了一种双模态交叉注意力网络(DMCA-Net),该网络整合了跨模态注意力、自适应权重分配以及CBAM模块。该网络采用双分支架构来提取图像和光谱特征,利用双向交叉注意力模块实现深度模态交互,并通过自适应多级融合策略动态平衡两种模态的

  

摘要

为克服传统五味子质量评估方法的局限性,我们提出了一种双模态交叉注意力网络(DMCA-Net),该网络整合了跨模态注意力、自适应权重分配以及CBAM模块。该网络采用双分支架构来提取图像和光谱特征,利用双向交叉注意力模块实现深度模态交互,并通过自适应多级融合策略动态平衡两种模态的贡献。在包含639个样本的自建数据集上,DMCA-Net在分层五折交叉验证中的平均分类准确率达到了98.59%,显著优于基准的串联融合模型(95.30%)。这些结果表明,所提出的融合策略能够有效利用高光谱图像与RGB图像之间的互补性,为五味子的无损自动化质量分级提供了一种高效可靠的深度学习解决方案。

图形摘要

此图片的替代文本可能是由人工智能生成的。

为克服传统五味子质量评估方法的局限性,我们提出了一种双模态交叉注意力网络(DMCA-Net),该网络整合了跨模态注意力、自适应权重分配以及CBAM模块。该网络采用双分支架构来提取图像和光谱特征,利用双向交叉注意力模块实现深度模态交互,并通过自适应多级融合策略动态平衡两种模态的贡献。在包含639个样本的自建数据集上,DMCA-Net在分层五折交叉验证中的平均分类准确率达到了98.59%,显著优于基准的串联融合模型(95.30%)。这些结果表明,所提出的融合策略能够有效利用高光谱图像与RGB图像之间的互补性,为五味子的无损自动化质量分级提供了一种高效可靠的深度学习解决方案。

图形摘要

此图片的替代文本可能是由人工智能生成的。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号