倒置残差网络结合注意力机制的掺假羊肉分类检测系统构建

针对羊肉精和染色剂作用下的猪肉掺假羊肉分类检测问题，该研究提出并建立了一种检测速度较快、精度较高的注意力机制结合倒置残差网络模型，同时基于智能手机开发了对应的快速、准确检测应用软件。首先，对羊肉、不同部位猪肉、不同掺假比例下的猪肉掺假羊肉的原始手机图像，使用数据增强方式进行数据扩充；其次，用倒置残差结构替换残差网络框架中的原有残差结构，以减少网络参数量并加快模型收敛速度，同时，引入注意力机制（Convolutional Block Attention Module,CBAM），利用空间和通道特征对特征权重再分配，以强化掺假羊肉和羊肉之间的特征差异；然后，利用提出的注意力机制结合倒置残差网络（CBAM-Invert-ResNet）对样本进行训练并确定模型参数；最后，将训练好的网络模型移植到智能手机，以实现掺假羊肉的移动端检测。研究结果表明：与ResNet50和CBAM-ResNet50相比，Invert-ResNet50、CBAM-Invert-ResNet50模型的参数量分别减少了58.25%和61.64%，模型大小分别减小了58.43%和61.59%；针对背脊、前腿、后腿和混合部位数...

Construction of the detection system for mutton adulteration classification based on inverted residual network and convolutional block attention module