基于SE-ResNet网络的油茶果果壳与茶籽分选模型

来源：中国农机化学报杂志2023年第4期北京时间：

作者：段宇飞, 董庚, 孙记委, 王焱清,

单位：1. 湖北工业大学农机工程研究设计院，武汉市，430068；2. 湖北省农机装备智能化工程技术研究中心，武汉市，430068

摘要：油茶果脱壳后果壳与茶籽混合在一起，采用传统的机械分选仍会出现掺杂果壳的情况，清选率有待提高。比较ResNet不同层数模型，发现在当前壳籽实验样本下ResNet18与其他模型相比每次迭代的平均训练时间最少，并且验证集平均准确率最高，同时均优于其他CNN分类模型。为进一步提升分选效率，在ResNet18网络中引入注意力机制，结果表明，SE-ResNet18模型与改进前的模型相比，训练过程中每次迭代的平均时间由1.31 s下降到1.13 s，缩短018 s，验证集平均准确率为98.88%，提升1.4个百分点。经过测试后得出，测试集整体准确率为98.43%，与原模型相比提升1.3个百分点，说明使用ResNet18模型结合注意力机制的方法在油茶果果壳与茶籽的分选上是可行的，为油茶果在分选方法提供一种新的理论基础与思考方向。

关键词：油茶果,深度学习,分选,SE-ResNet18模型,注意力机制

基金资助：湖北省重点研发计划项目(2020BBA042)