山东农业大学张艳副教授等:基于改进时间位移网络的黄瓜农事行为识别方法

黄瓜农事行为的自动识别是推动设施黄瓜生产由粗放式管理向数据驱动的精准管理转型的重要基础。为应对复杂温室场景下农事行为识别中存在的类间相似、类内差异等问题，该研究以山东农业大学泮河校区春茬与秋茬黄瓜为研究对象，构建农事行为视频数据集，基于时间位移网络开展优化研究，提出了LG-DTEA模型。首先，构建快速通道引入双向运动差分特征，用于捕捉微小且连续的动作变化，增强对运动细节的感知能力；其次，在ResNet50骨干网络中嵌入时空运动压缩激励模块，增强模型对跨帧动态变化的建模能力；最后，引入局部-全局时序注意力机制，实现短时序与全局时序特征间的映射学习，提升判别性能。

试验结果表明，LG-DTEA模型的Top-1准确率为99.2%，Top-5准确率为99.8%，相较TSM基线模型分别提升了4.5和1.2个百分点。结果验证了LG-DTEA模型在复杂温室环境下的准确性与稳定性，可为温室黄瓜精细化管理提供技术支撑。