基于改进ConvNeXt网络的人参分级模型

作者：翟梦婷; 张丽娟; 朴欣茹; 李伟; 李东明^*

来源：吉林农业大学学报, 2023, 45(06): 791-802.

DOI：10.13327/j.jjlau.2023.20259

• ConvNeXt
• 人参分级
• 通道混洗
• 结构重参数化
• 激活函数
• 深度学习

为了解决人参分级特征差异性小、严重依赖专业人员的问题，建立了一个包含5 116张图像，不同背景下的3种级别的人参数据集，提出了一种基于改进ConvNeXt框架的人参分级模型。首先，在主干网络下采样后嵌入通道混洗（Channel Shuffle）模块，使通道特征充分融合以提升分级精确度；其次，对ConvNeXt Block模块进行优化改进，将结构重参数化（Re-parameterization）模块与其进行融合，提高模型的表征能力，丰富卷积块的特征空间，进一步提升模型准确率；最后，将原激活函数GELU替换为PReLU激活函数，以增加神经网络模型的非线性变异性，提高了模型精度和效率。结果表明：该方法对人参分级的准确率、精确率、召回率以及特异度分别达到了94.44%,91.58%,91.04%和95.82%，损失率降低至0.24%，验证了其在人参质量评估中的准确性和可靠性，为人参质量分级的智能化提供了技术支持。

• 单位
  南京信息工程大学滨江学院; 吉林农业大学; 枣庄学院