基于轻量级网络设计的咖啡豆烘焙状态识别研究

来源：中国农机化学报杂志2025年第9期北京时间：

作者：杜远飞, 郭仕豪, 吴传宇, 闫轩旭

单位：(福建农林大学机电工程学院，福州市，350002)

摘要：针对当前咖啡豆烘焙状态识别耗时耗力的问题，提出一种基于局部注意力增强的轻量化网络Rep—FdNet，实现对烘焙程度的实时监控。该网络采用一种全新的分频模块，增强网络对于局部特征的关注，有助于提高网络区分高频和低频信息的能力。在推理阶段采用重参数化方法将三分支结构融合成单路结构，在保证网络准确率的同时，加快网络推理速度并减少内存占用。试验结果表明：所提出的Rep—FdNet在分类准确率上达到98.2%，满足分类的需求；在计算量、参数量以及内存占用上分别仅有25.80 M、1.02 M和2.75 MB，有效解决计算资源有限的问题；在推理速度上达到124.99帧/s，满足工业应用上实时分类的要求。该轻量化网络Rep—FdNet能够识别咖啡豆烘焙程度，降低咖啡烘焙的人工成本和操作难度。

关键词：咖啡豆烘焙,深度学习,轻量化网络,图像分频,重参数化

基金资助：国家自然科学基金项目(32160536)；福建农林大学科技创新专项基金项目(KFB23162A)