典型文献
基于改进MobileNetV3-Large的鸡蛋新鲜度识别模型
文献摘要：
鸡蛋在运输贮存过程中一直伴随着品质的不断衰减,如何快速、准确地识别鸡蛋新鲜度是业界和学者们共同关注的话题.针对鸡蛋内部气室和蛋黄等新鲜度特征差异不显著的问题,该研究提出一种基于改进MobileNetV3-Large的轻量级鸡蛋新鲜度识别模型.首先在深度可分离卷积中引入动态卷积(Dynamic Convolution,DC)模块,改进后的深度可分离动态卷积模块能够为不同的鸡蛋图像动态生成卷积核参数,提高模型特征提取能力;其次在注意力模块中引入坐标注意力(Coordinate Attention,CA)模块,增强模型对位置信息的感知能力;最后采用3276张鸡蛋图像训练并测试改进的MobileNetV3-DA模型.试验结果表明,MobileNetV3-DA模型在测试集上的准确率为97.26％,分别比ResNet18、VGG19和ShuffleNetV2模型高5.19、0.84和5.91个百分点;模型参数量和计算量分别比MobileNetV3-Large减少1.03和78.64 M;在实际应用中,MobileNetV3-DA模型精确率、召回率和加权分数的平均值分别为95.95％、95.48％和97.82％,达到了理想的识别效果.改进的MobileNetV3-DA模型为鸡蛋供应链各环节进行鸡蛋新鲜度快速、准确识别提供了算法支持.
文献关键词：
农产品;品质控制;鸡蛋新鲜度;MobileNetV3-DA;动态卷积;坐标注意力
中图分类号：
作者姓名：
刘雪;沈长盈;吕学泽;董萌萍;包乾辉;张圆之
作者机构：
中国农业大学信息与电气工程学院,北京 100083;中国农业大学动物医学院,北京 100193;北京市畜牧总站,北京 100101
文献出处：
引用格式：
[1]刘雪;沈长盈;吕学泽;董萌萍;包乾辉;张圆之-.基于改进MobileNetV3-Large的鸡蛋新鲜度识别模型)[J].农业工程学报,2022(17):196-204
A类：
B类：
MobileNetV3,Large,鸡蛋新鲜度,识别模型,贮存过程,气室,蛋黄,特征差异,轻量级,深度可分离卷积,动态卷积,Dynamic,Convolution,DC,卷积模块,动态生成,卷积核,核参数,模型特征,特征提取能力,注意力模块,坐标注意力,Coordinate,Attention,CA,增强模型,位置信息,感知能力,图像训练,DA,测试集,ResNet18,VGG19,ShuffleNetV2,百分点,模型参数量,计算量,精确率,召回率,准确识别,品质控制
AB值：
0.340125
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
