基于改进的ResNet152V2模型对临安山核桃果仁等级分类研究

提出基于空间注意力机制的深度学习模型对临安山核桃进行等级分类,选取L值作为外观指标,MDA值作为品质指标,通过机器学习的方法挖掘二者之间的关联关系,从而建立山核桃果仁外观与品质的关联模型。通过多设备、多环境下的照片建立山核桃果仁数据集,在此基础上构建了基于迁移学习、空间注意力机制的ResNet152V2模型(SA-ResNet152V2),利用该模型对数据集进行图像训练和特征提取,并与VGG16、ResNet152V1、ResNet152V2模型进行比较。结果表明:SA-ResNet152V2模型在测试集平均精确率方面比ResNet152V2模型、VGG16模型、ResNet152V1模型分别提高了2.04%、77.42%、81.59%。测试集平均召回率方面比ResNet152V2模型、VGG16模型、ResNet152V1模型分别提高了3.62%、63.89%、65.18%。实验证明,SA-ResNet152V2模型对于山核桃等级分类具有较好的效果,有望用于山核桃的智能分级。