快速而非破坏性地对具有不同风味的米种进行分类:基于HPFasterNet的方法
Helong Yu1,2, Zhenyang Chen1, Shaozhong Song1,2,3
1Smart Agriculture Research Institute, Jilin Agricultural University, Changchun, China.
Frontiers in plant science
|February 4, 2025
概括
一种新的深度学习方法,高精度FasterNet (HPFasterNet),准确地识别米品种和风味. 这种快速,非破坏性的方法改进了传统的养方法和食品工业的方法.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 食品科学 食品科学 食品科学
背景情况:
- 传统的水鉴定方法是缓慢的,低效的,可能会损坏样品.
- 准确识别大米品种对于产量,质量和经济效益至关重要.
研究的目的:
- 开发一种快速,非破坏性的深度学习方法,以根据风味对米品种进行分类和识别.
- 为此任务引入和评估一个新的轻量级神经网络,HPFasterNet.
主要方法:
- 利用了19个日本大米类别的36735张图像.
- 通过整合幽灵瓶,FasterNet_T0和组卷积,开发了高精度快速网络 (HPFasterNet).
- 将HPFasterNet性能与经典和其他轻量级模型进行比较.
主要成果:
- 惠普FasterNet在米品种中实现了92%的分类准确度,其表现比FasterNet_T0高5.22%.
- 该模型显示了参数和计算的显著减少,使其适用于资源有限的环境.
- 在识别不同口味的米饭方面,HPFasterNet的准确度达到98.98%.
结论:
- 拟议的HPFasterNet提供了一个高度准确和高效的解决方案,用于非破坏性米识别.
- 这种深度学习模型可以支持消费者和食品行业的米育种计划和应用.


