基于改进InceptionV3算法的小麦杂质识别研究

来源：中国农机化学报杂志2024年第4期北京时间：

作者：林燕翔, 沈印, 李光林

摘要：为解决传统人工识别小麦效率低、主观性高的问题，提出一种基于改进的CBAMInceptionV3小麦杂质识别方法。搭建机器视觉在线检测平台采集动态图像数据，采用数据集增强、图像预处理和KS分类方法对小麦杂质图像进行处理；选用GoogLeNet、ResNet34、InceptionV3三种模型对图像数据集进行分类训练。以InceptionV3模型为基础，引入注意力机制CBAM，增强模型对信息的敏感度，提升模型的识别准确率。将改进卷积神经网络CBAMInceptionV3模型与加入CA模块的CAInceptionV3、InceptionV3两种模型进行对比试验。结果表明，InceptionV3模型在测试集上准确率为83.5%、F1Score为82.41%，CAInceptionV3模型在测试集上准确率为92.3%、F1Score值为92.29%，CBAMInceptionV3在测试集上准确率为92.9%、F1Score值为92.92%。CBAMInceptionV3模型对测试集的平均预测时间为0.045张/s，明显优于其他两种模型。

关键词：小麦杂质,卷积神经网络,分类识别,CBAMInceptionV3,可视化

基金资助：重庆市技术创新与应用发展专项重点项目(cstc2019jscx—gksbX0001)