基于注意力机制的水果新鲜度检测可解释模型

近年来,基于机器视觉和深度学习的水果新鲜度检测成为主流方法之一。针对现有的深度学习技术,对卷积神经网络在水果的特征提取方面的应用进行探讨,在ResNet34主干网络中引入卷积注意力模块(CBAM),以实现水果新鲜度的检测,并采用类激活图(CAM)系列技术对于能够反映图片关键特征的像素进行热力图可视化。在水果公开数据集上,引入注意力机制前、后的ResNet34分类准确率分别为96.80%和99.71%。同时,CAM热力图反映注意力模型能够更加准确地捕获水果图像中变质腐烂的区域,表明提出的模型改善了深度学习特征提取的能力,不仅提高了模型的泛化能力,而且增强了模型的可解释性。