基于双重注意力融合网络结构的圣女果果实表面缺陷识别

来源：中国农机化学报杂志2025年第3期北京时间：

作者：刘起, 代东南, 孙孟研, 马德新, 徐阳

单位：（1. 青岛农业大学动漫与传媒学院，青岛市，266109； 2. 青岛农业大学智慧农业研究院，青岛市，266109；3. 凯盛浩丰农业集团有限公司，青岛市，266109）

摘要：针对传统圣女果品质质量分级机只能通过圣女果果实大小进行分级，不能检测圣女果表面缺陷的问题，采用迁移学习方法，对比不同的网络模型，选出更适用于进行圣女果果实表面缺陷识别的神经网络InceptionV3。以InceptionV3为基本模型进行改进。首先，通过引入并修改宽度因子α来压缩通道数量，提高模型训练速度；然后，修改全连接层神经元个数；最后，插入注意力网络结构并对比插入不同的注意力网络结构，提出一种基于改进InceptionV3神经网络的深度学习模型（N—InceptionV3_FD）。结果表明，N—InceptionV3_FD模型在圣女果表面缺陷检测识别中准确率达97.06%，比原InceptionV3模型提高7.84个百分点，且损失函数值更加平稳，稳定在0.1左右，为圣女果的表面缺陷检测提供理论基础。

关键词：圣女果,表面缺陷,图像分类,卷积神经网络,迁移学习