26年WP人工智能 基于深度学习的鸟类识别系统设计与应用8.66-AI14.55全日制(17239字).docx

I摘 要本文为了鸟类监测与生态保护，梳理了国内外鸟类识别技术的研究现状，并搭建了轻量化鸟类智能识别系统。针对野外监测设备算力不足、环境背景复杂等缺点，基于深度学习算法开展 20 种鸟类识别研究。本研究选择轻量化网络 MobileNetV3 作为基础模型，为了进一步提高模型能力，引入了 CBAM 注意力机制对基线模型进行改进优化。实验结果表明，改进后模型识别准确率可达 93.8%，推理延迟仅为 45.2ms，在识别精度与推理速度之间达到了平衡，综合性能优于原始基线模型与 ResNet50 模型。该研究验证了轻量化模型融合注意力机制应用于鸟类识别是一种可行的方法，...