科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对生产出的干辣椒品相不一的问题，提出基于Transformer模型的干辣椒等级分类识别方法。根据干辣椒特征，确定干辣椒等级标准，包括优质干辣椒、合格干辣椒和不合格干辣椒3个等级。制备干辣椒数据集并划分为训练集和测试集。首先结合Visual Transformer (ViT)网络和分类网络，引入并改进Shifted windows Transformer (Swin Transformer)网络，使用高斯误差线性单元（GELU）做激活函数，使用自适应矩估计（Adam）做优化函数。通过加载在ImageNet数据集训练的权重进行模型初始化，表明迁移学习方式可有效提高模型特征提取能力。通过对比ViT模型和Swin Transformer模型两种模型来训练干辣椒数据集，表明Swin Transformer模型测试准确率较高。实验表明，利用迁移学习的Swin Transformer模型准确率最高，达到95.26%，这为干辣椒等级分拣问题提供了新的解决办法，同时可作为其他果蔬品相识别的参考。
- 单位
