基于改进EfficientNetv2模型的多品种南药叶片分类方法

作者：孙道宗; 刘锦源; 丁郑; 刘欢; 彭家骏; 谢家兴; 王卫星^*

来源：华中农业大学学报, 2023, 42(01): 258-267.

DOI：10.13300/j.cnki.hnlkxb.2023.01.031

• 图像识别
• 南药叶片
• 种类识别
• 卷积神经网络
• 改进EfficientNetv2网络
• 超参数优化

为提高南药叶片的分类和分拣效率，本研究对EfficientNetv2网络模型进行改进，引入迁移学习机制训练模型，选取自适应矩估计优化算法，通过多次测试进行超参数优化，确定学习率；采用MultiMarginLoss损失函数改善复杂背景信息对识别效果的影响。应用改进后的EfficientNetv2模型与其他轻量级模型对实地采集的复杂背景下的8种南药叶片进行分类效果对比试验，试验结果显示，改进模型对复杂背景下的南药叶片图像样本识别准确率为99.12%，相较于初始模型EfficientNetv2-S，准确率提高1.17%，并且参数量和模型大小均下降约85%，平均训练时间下降47.62%。与DenseNet121、ShuffleNet和RegNet等模型相比，改进模型在模型存储空间大小、准确率和训练时间3个指标上有明显优势。研究结果表明，在多品种南药叶片分类任务中，改进模型取得优良表现，模型的轻量化程度和性能得到进一步的提升。

• 单位
  华南农业大学; 电子工程学院