基于MICS-CoTNet的黑木耳品质分类方法.pdfVIP

第 39 卷 第 5 期 农 业 工 程 学 报 Vol.39 No.5 146 2023 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2023 基于 MICS-CoTNet 的黑木耳品质分类方法 ※ 徐艳蕾，王 琦，翟钰婷，高志远，邢 路，丛 雪，周 阳 （吉林农业大学信息技术学院，长春 130118 ） 摘 要：针对传统黑木耳品质分类效率低，识别准确率不佳等问题，提出一种基于卷积神经网络和 Transformer 相结合的 黑木耳图像品质分类方法。该研究以 CoTNet 模型为基础网络，设计了 MICS-CoTNet 黑木耳品质分类网络模型。首先， 重新规划 CoTNet 模型主干特征提取模块的迭代次数，降低模型的计算冗余；其次，提出坐标归一化注意力机制以增强黑 木耳图像局部关键特征权重，抑制主体特征干扰；最后，引入 MobileNetV2 模型中特征提取模块 Inverted Block ，并优化 CoTNet 模型核心模块 CoT block，增强模型对黑木耳数据的特征提取能力。将MICS-CoTNet 模型与 EfficientNetV2 、NfNet 等 12 种模型进行对比，结果表明，综合模型准确性和轻量性等方面，MICS-CoTNet 模型表现最佳。其中，MICS-CoTNet 模型在干黑木耳数据中识别准确率可达 98.45%，相较标准 CoTNet 提升 5.22 个百分点；在鲜黑木耳数据中识别准确率可 达 98.89%，相较标准 CoTNet 提升 2.60 个百分点。MICS-CoTNet 模型占用内存为 30.98M，相对于原 CoTNet 模型减少 96.57M 。将MICS-CoTNet 模型部署到 Jetson TX2 NX 中，实时推理速度为 18 帧/s 。该研究提出的MICS-CoTNet 黑木耳 品质分类模型识别准确率高，运算速度快，为黑木耳实时品质分级的实际应用提供了理论基础及技术支持。 关键词：计算机视觉；深度学习；品质分级；注意力机制；特征提取 doi ：10.11975/j.issn.1002-6819.202212112 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2023)-05-0146-10 徐艳蕾，王琦，翟钰婷，等. 基于MICS-CoTNet的黑木耳品质分类方法[J]. 农业工程学报，2023，39(5)：146-155. doi ：10.11975/j.issn.1002-6819.202212112 XU Yanlei, WANG Qi, ZHAI Yuting, et al. Method for the classification of black fungus quality using MICS-CoTNet[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(5): 146- 155. (in C