科研之友
微信
新浪微博
Facebook
分享链接
摘要
西红柿的成熟度对于采摘、运输和销售至关重要。针对西红柿需要在特定环境下识别问题，从种植现场拍摄图片来制作数据集，提出了一种基于双维度注意力机制的西红柿成熟度分类方法。首先通过tensorflow搭建卷积神经网络，网络中加入了改进的CBAM(convolutional block attention module)模块提取西红柿的成熟度和所在位置信息，即在通道注意力模块中并行一个共享多层感知器后的平均池化层；然后使用Adam优化器更新参数，此方法不仅缓解了网络中直接加入CBAM模块出现的不稳定问题，而且加快了损失函数的下降速度；最后通过调节学习率并使用混淆矩阵计算验证集的准确率获取最佳模型。实验结果表明，本文所提网络在训练了30个Epoch后损失函数稳定下降，搭建软件测试平台进行测试后得到准确率为99%,单张图片检测时间为1.5 s。检测时间和测试准确率均优于AlexNet网络，Grad-CAM可视化结果显示本文所提网络提取目标信息的效果优于AlexNet网络和改进之前的CBAM模块。本文所提方法适用于任意背景下的瓜果品级分类。
- 出版日期2023
- 单位河北工程大学; 邯郸职业技术学院
