基于SE_ResNeXt-50的小麦不完善粒分类研究.pdfVIP

技创新与应用

2023年期TechnologyInnovationandApplication验报告

DOI10.19981/j.CN23-1581/G3.2023.22.012

基于SE_ResNeXt-50的小麦不完善粒分类研究

1111*

熊浩添，王鹏博，刘亚孰，蒋玉英，王飞，高辉

，，郑州

1.河南工业大学人工智能与大数据学院郑州450001；2.河南工业大学信息科学与工程学院450001）

摘要针对目前传统小麦不完善粒检测误差大、效率低、麦粒易受损坏等问题。提出一种基于分组卷积残差神经网络的小麦

不完善粒分类模型。通过嵌入挤压激励模块（SE）改进ResNeXt-50分组卷积残差网络结构，将ResNeXt-50网络的残差输出结果进

行挤压、激励后与原结果进行通道间相乘，提升网络对不同支路权重的感知。改进后模型可以更好地学习通道间的非线性相互作

和非互斥关系，提升模型训练效率，提高准确率。模型识别准确率可达96.12%，为小麦不完善粒的分类识别研究提供一种新的技术

支持，进一步为国家储粮安全提供理论支持。

关键词小麦不完善粒；图像分类；ResNeXt-50；无损检测；图像处理技术

中图分类号TP391.4文献标志码A文章编号2095-2945渊2023冤-0047-06

Abstract:Inordertosolvetheproblemsoftraditionalimperfectgrainwheatdetectionerror,lowefficiency,wheatgraineasy

todamageandsoon.Aimperfectgrainwheatclassificationmodelbasedongroupedconvolutionresidualneuralnetworkis

proposed.ThestructureoftheResNeXt-50packetconvolutionresidualnetworkisimprovedbyembeddingthesqueezeexcitation

module(SE).TheresidualoutputoftheResNeXt-50networkissqueezedandmultipliedwiththeoriginalresultstoenhancethe

networksperceptionofdifferentbranchweights.Theimprovedmodelcanbetterlearnthenonlinearinteractionandnon-mutual

exclusionbetweenchannels,improvethetrainingefficiencyandaccuracyofthemodel.Therecognitionaccuracyofthemodelcan

reach96.1%,whichprovidesanewtechnicalsupportfortheclassificationandidentificationofimperfectgrainsofwheat,and

furtherprovidestheoreticalsupportforthesafetyofnationalgrainstorage.

Keywords:imperfectgrainofwheat;image