基于轻量级模型的茶的质量检测和分级
Zezhong Ding1,2, Zhiwei Chen2, Zhiyong Gui2
1College of Mechanical and Electronic Engineering, Shihezi University, Shihezi 832000, China.
Foods (Basel, Switzerland)
|April 27, 2024
概括
这项研究引入了一个自动化,轻量级的模型来分类茶的质量. 与手动方法相比,该模型提高了准确性和效率,支持智能茶叶分类.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 茶的分级对于市场竞争力至关重要.
- 手动分类耗时且效率低下.
- 客观的质量评估需要自动化系统.
研究的目的:
- 开发一种轻量级的自动化模型来分类茶.
- 提高茶质量分类的效率和准确性.
- 为智能茶分级系统提供技术支持.
主要方法:
- 实现了一个轻量级的深度学习模型用于对象检测.
- 集成了卷积块注意模块 (CBAM) 进行增强的特征提取.
- 使用C2fGhost模块来减少网络大小,同时保持性能.
- 为了提高界限框回归精度,使用SIoU损失.
主要成果:
- 拟议模型的平均平均精度 (mAP) 为86.16%,精度 (P) 为89.77%,回忆 (R) 为83.01%.
- 该模型显示,与原始模型相比,计算成本 (GFLOPs和Param) 降低了.
- 实现了166.58的高每秒 (FPS),表明了实时处理能力.
- 在茶分类任务中表现优于其他先进的检测模型.
结论:
- 开发的轻量级模型有效地自动化了茶分级.
- 该模型提供了高精度,效率和减少计算资源的平衡.
- 这项研究为智能农产品质量评估提供了基础.
