斯温-HSSAM:一种通过斯温变压器进行绿色咖啡豆分类的方法
Yujie Jiao1,2,3, Yuqing Zhao1,2,3,4, Aoying Jia1,2
1Faculty of Mechanical and Electrical Engineering, Yunnan Agriculture University, Kunming, China.
PloS one
|May 14, 2025
概括
一个新的Swin-HSSAM模型使用先进的AI准确地对绿色咖啡豆进行分级. 这种自动化系统显著提高了分类准确性,为咖啡行业提供了全新的解决方案.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 农业技术 农业技术
背景情况:
- 准确的绿色咖啡豆分类对于质量控制至关重要.
- 现有的方法在实现高识别准确性方面面临挑战.
- 自动分级系统需要强大的特征提取和分类能力.
研究的目的:
- 提出一种新的Swin-HSSAM模型,用于增强绿色咖啡豆分类.
- 提高自动咖啡豆分类的准确性和效率.
- 为了解决当前咖啡豆识别模型的局限性.
主要方法:
- 使用Swin变压器作为骨干网络.
- 综合高层选-特征金字塔网络用于特征融合.
- 整合了选择性注意模块 (SAM) 来增强辨别能力.
- 使用的融合损失作为损失函数.
主要成果:
- 在多个级别的专有数据集上实现了96.34%的平均分级准确度.
- 它的性能优于亚历克斯Net,VGG16,ResNet50,MobileNet-v2,ViT和CrossViT等已建立的模型.
- 与基线模型相比,在公共咖啡豆数据集上的平均分级准确度得到了改善.
结论:
- 斯温-HSSAM模型在自动绿色咖啡豆分类方面取得了重大进展.
- 该模型具有高精度和广泛适用性.
- 为咖啡豆的自动识别和质量评估提供了一种新有效的解决方案.
