改进ShuffleNet V1算法的咖啡豆分级方法研究

来源：中国农机化学报杂志2025年第4期北京时间：

作者：赵玉清, 焦雨杰, 李宏, 王天允, 李嘉舜, 张悦,

单位：（1. 云南农业大学机电工程学院，昆明市，650201； 2. 昆明理工大学交通工程学院，昆明市，650093；3. 云南省咖啡重点实验室，昆明市，650201; 4. 云南省作物生产与智慧农业重点试验室，昆明市，650201； 5. 云南农业大学大数据学院，昆明市，650201）

摘要：针对目前咖啡豆存在分级困难、识别准确率低的问题，提出一种融合注意力机制的ShuffleNet V1咖啡豆分级模型(ECA—ShuffleNet MLP)。模型以ShuffleNet V1为主干网络，删去输入层的最大池化层，在ShuffleNet Unit第二个普通卷积后加入ECA注意力机制，同时添加一个多层感知器模块(MLP)作为分类头，并采用Fusion Loss作为损失函数。相比AlexNet、VGG16、 MobileNet V1、MobileNet V2、ResNet34和ResNet50模型，在自建咖啡豆数据集上的试验结果表明：ECA—ShuffleNe MLP模型的咖啡豆分级平均准确率为97.84%，分别提高8.49、5.41、3.85、2.71、4.16和3.20个百分点。在公开咖啡豆数据集上的试验结果表明：ECA—ShuffleNet MLP模型分级平均准确率分别提高3.75、1.00、10.00、2.75、0.08和1.25个百分点。在自制咖啡豆分级分拣试验平台上的试验结果表明：当输送带运行速度为50 mm/s时，识别准确率和抓取成功率为84.00%和82.67%。ECA—ShuffleNet MLP模型具有分级准确率高和模型轻量化的优点，易于部署在硬件设备上，具有较好的泛用性。

关键词：咖啡豆,深度学习,分级,注意力机制,多层感知器

基金资助：云南省重大科技专项计划项目（202302AE0900200105）；云南省科技厅科技计划农业联合专项（202301BD070001—105）；云南省教育厅科学研究基金项目（2023Y0986）；云南省咖啡重点实验室（202449CE340030）