基于优化Transformer网络的绿色目标果实高效检测模型

果园环境中,检测目标果实易受复杂背景、果实姿态和颜色等因素影响,为提高绿色目标果实检测的精度与效率,满足果园智能测产和自动化采摘要求,本研究针对不同光照环境和果实姿态,提出一种适于样本数量不足的绿色目标果实高效检测模型。该模型采用优化Transformer结构,首先借助卷积神经网络(Convolutional Neural Network,CNN)网络提取图像特征;然后输入编码-解码器生成一组目标果实预测框,最后通过前馈神经网络(Feed-forward Network,FFN)结构预测检测结果。在训练过程中,引入重采样法扩充样本数量,解决样本数量不足问题;引入迁移学习,加速网络收敛。分别制作苹果、柿子数据集用于模型训练。试验结果表明,经迁移学习后该模型训练效率大幅提高;与流行的目标检测模型相比,优化后的模型在检测绿色柿子与绿色苹果时,精度分别为93.27%和91.35%。该方法可为其他果蔬绿色目标检测提供理论借鉴。     

野生酸浆饮料配方的研制

以野生酸浆果实为主要原料,通过单因素试验和正交实验确定了野生酸浆饮料的最佳配方,并对其稳定性进行了研究。结果表明:酸浆饮料中原果浆用量12%、白砂糖用量9%、柠檬酸用量0.20%、蜂蜜用量1.0%时,风味最佳;以黄原胶0.20%、CMC-Na 0.10%、果胶0.05%进行复合使用时,产品稳定性最好。