基于双层优化元学习的域自适应红枣缺陷检测

来源：中国农机化学报杂志2025年第7期北京时间：

作者：任晶晶, 郭中原, , 鞠剑平

单位：（1. 太原学院智能与信息工程系，太原市，030032； 2. 西南大学电子信息工程学院，重庆市，400715；3. 湖北商贸学院计算机科学与技术学院，武汉市，430079）

摘要：针对自动化分拣任务中不同品种特征和光照环境导致红枣缺陷表现的差异，提出一种基于元学习的算法实现域自适应红枣缺陷的检测。首先收集不同品种、不同环境的红枣缺陷图像，构建跨域数据集，并通过StyleGAN3网络生成缺陷样本来改善训练样本不均衡情况，通过数据增强丰富测试样本的多样性。随后提出一种基于双层优化元学习的红枣域自适应缺陷检测方法，采用卷积神经网络构建基学习器，双层优化策略构建元学习器，并在损失函数中添加L2正则化项以降低过拟合风险。以平均准确率作为评价指标，对基学习器和元学习器进行消融实验，并与不同类型的深度学习算法和模型无关的元学习算法进行比较，验证该方法的有效性。结果表明，该方法在原始目标域和数据增强后的目标域数据集上的平均准确率分别为78.6%、86.5%，比模型无关的元学习算法高出6.4%和7.6%，能够快速适应不同条件下的跨域红枣缺陷检测任务。

关键词：红枣缺陷检测,域自适应,元学习,双层优化,L2正则化

基金资助：山西省高等学校科技创新计划项目（2024L386）；重庆市教委科学技术研究计划项目（KJQN202300225）；湖北省自然科学基金计划青年项目（2024AFB418）