基于改进残差网络模型的不同部位牦牛肉分类识别方法

[目的/意义]为实现不同部位牦牛肉快速、准确识别,本研究提出了一种改进的残差网络模型,并开发了一种基于智能手机的牦牛肉部位识别软件。[方法]首先对于采集到的牦牛里脊、上脑、腱子、胸肉的原始图像数据集采用数据增强的方式对其进行扩充,共得到的牦牛肉部位图像17,640张;其次,采用在原网络模型残差块之后融入轻量级卷积块注意力模块(Convolutional Block Attention Module,CBAM),以加强对不同部位牦牛肉图像关键细节特征的提取;将原模型最后的全连接层进行改进,以减少后续网络层的连接数,防止出现过拟合,减少识别图像所需的时间;然后,采用不同的学习率、权重衰减系数和优化器来验证对网络收敛速度和准确率的影响;最后,开发了移动端App,将改进后的模型部署到移动端。[结果和讨论]通过消融实验,探究出在CBAM、SENet、NAM、SKNet四种注意力机制模块中,改进效果最好的是CBAM。将改进后的ResNet18_(C)BAM模型在包含牦牛里脊、上脑、腱子、胸肉4种不同牦牛肉部位的数据集上进行了试验测试,结果表明,改进后的残差网络模型在测试集上的识别准确率为96.31%,比改进前的原网络模型提高了2.88%。在手机端的实际场景测试中,牦牛里脊、上脑、腱子、胸肉的识别准确率分别达到了96.30%、94.92%、98.04%、96.49%。该结果表明,改进后的ResNet18_(C)BAM模型可在实际应用中识别不同部位牦牛肉且具有良好的结果。[结论]本研究成果有助于保障牦牛肉产业的食品质量安全,也为青藏高原地区的牦牛肉产业智能化发展提供技术支撑。