基于改进EfficientNet的板栗分级方法

作者：李志臣; 凌秀军; 李鸿秋; 李志军

来源：中国农机化学报, 2023, 44(12): 180-185.

DOI：10.13733/j.jcam.issn.2095-5553.2023.12.027

• 板栗分级
• 卷积神经网络
• EfficientNet
• 批归一化

针对人工或机械振动筛对板栗分级精度低的问题，提出基于浅层卷积神经网络的板栗分级方法。用小米手机拍摄获取5种级别板栗的5481幅图像应用于卷积网络模型的训练、验证和测试。学习EfficientNet的网络结构，设计的浅层卷积神经网络(Efnet-1)由1个普通卷积模块和3个MB卷积模块构成板栗图像特征提取器。特征提取器连接一个由全局平均池化层、隐含层和输出层组成的分类器。在Efnet-1模型的训练过程中对相关超参数进行优化。对比分析Efnet-1与深度学习模型AlexNet的板栗分级性能。Efnet-1对板栗的分级准确率是98.68%,坏板栗被分为好的板栗的比例不大于0.9%。Efnet-1的板栗图像分类时间为62 ms。改进的卷积神经网络模型Efnet-1对板栗的分级快速而准确，为板栗的自动化分级提供技术基础。

• 单位
  机电工程学院; 金陵科技学院