| 基于Opt-MobileNetV3的大豆种子异常籽粒识别研究 |
| |
| 引用本文： | 陈思羽,朱红媛,王俊发,于添,王贞旭,刘春山. 基于Opt-MobileNetV3的大豆种子异常籽粒识别研究[J]. 农业机械学报, 2023, 54(S2): 359-365 |
| |
| 作者姓名： | 陈思羽 朱红媛 王俊发 于添 王贞旭 刘春山 |
| |
| 作者单位： | 佳木斯大学 |
| |
| 基金项目： | 黑龙江省教育厅基本科研业务费基础研究项目（2022-KYYWF-0589）、黑龙江省自然科学基金联合引导项目（LH2023C059）和国家级大学生创新创业训练计划项目（202210222104） |
| |
| 摘 要： | 针对大豆异常籽粒识别模型参数量过大、计算成本高、准确率较低等问题,提出了一种改进的轻量级神经网络MobileNetV3模型,将其层数减少,加快模型的训练和推理速度,增加全连接层和Softmax层以增加模型的非线性判别能力以及利于多分类任务的输出,使用全局平均池化代替全局最大池化减少信息丢失,通过添加Dropout层以及去掉MobileNetV3中SE Block注意力机制来增加模型的泛化能力。试验结果表明：将大豆籽粒图像数据经过传统的卷积神经网络AlexNet、VGG16与轻量级神经网络MobilenetV3训练测试结果进行对比,AlexNet算法最终平均精度均值(Mean average precision, mAP)为87.3%、VGG16算法为87.7%,二者mAP相差较小,但两者在训练过程中模型内存占用量及训练时间相差较大,其中AlexNet模型内存占用量为7 070 kB,训练时间为5 420.59 s,而VGG16模型内存占用量为19 674 kB,训练时间为8 282.68 s,整体来看AlexNet相对更好。通过对轻量级神经网络MobileNetV3模型的识别训练,最终...
|
| 关 键 词： | 大豆种子 异常籽粒 MobileNetV3 籽粒识别 |
| 收稿时间： | 2023-06-20 |
Abnormal Soybean Grains Recognition Based on Opt-MobileNetV3 |
| |
| CHEN Siyu,ZHU Hongyuan,WANG Junf,YU Tian,WANG Zhenxu,LIU Chunshan. Abnormal Soybean Grains Recognition Based on Opt-MobileNetV3[J]. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(S2): 359-365 |
| |
| Authors: | CHEN Siyu ZHU Hongyuan WANG Junf YU Tian WANG Zhenxu LIU Chunshan |
| |
| Affiliation: | Jiamusi University |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|
