摘要：

        菊花种类繁多，花型差别细微，准确标注难，此为菊花智能分类和识别带来了巨大挑战。 本文基于深度主动学习与混合注意力机制CBAM，提出了一种少标号的菊花表型智能识别方法和框架。 首先，通过主动学习策略BvSB在未标记菊花样本中选取信息量较大的样本进行标记，并将标记后的样本放入训练样本中； 其次，使用深度卷积神经网络ResNet50作为本文的主干网络训练标记样本，引入混合注意力机制模块CBAM，使模型能够更为准确的提取细粒度图像中的高层语义信息； 最后，用更新后的训练样本继续训练分类模型，直到模型达到迭代次数后停止。 实验结果表明，该方法能够在少量菊花标记样本下，准确率、召回率和F1值分别能达到93.66%、93.15%和93.41%。本文方法可为缺少标号的菊花等花卉智能化识别提供技术支撑。