农业机械学报

作者：范维，胡建超，王巧华，汤文权

单位：华中农业大学,华中农业大学,华中农业大学,华中农业大学,

关键词：缺陷鸡蛋;无损检测;移动端;深度学习;模型优化

基金：国家自然科学基金面上项目（32072302、31871863）和扬州市科技计划项目（YZ2020047）

针对缺陷鸡蛋差异性大、人工检测主观性强、实时性差，消费者存在食品安全隐患等问题，提出一种基于深度学习的移动端缺陷蛋无损检测系统，实现对裂纹蛋和血斑蛋的实时检测。首先，建立改进的轻量级卷积神经网络MobileNetV2_CA模型，以MobileNetV2原网络为基础，通过嵌入坐标注意力机制、调整宽度因子、迁移学习等操作对其进行优化，并进行PC端检测对比试验。试验结果表明：建立的MobileNetV2_CA模型验证集准确率达93.93%，召回率为94.73%，单个鸡蛋平均检测时间为9.9ms，对比改进前MobileNetV2模型准确率提升3.60个百分点、召回率提4.30个百分点、检测时间缩短2.62ms；MobileNetV2_CA模型的参数量为2.36×106，较原MobileNetV2网络模型降低31.59%。然后，利用NCNN深度学习框架对MobileNetV2_CA模型进行训练，并通过格式转换部署至Android移动端，进行NCNN深度学习训练模型的移动端检测验证，及其与TensorFlow Lite深度学习模型的对比分析。试验结果表明：NCNN深度学习模型对缺陷蛋平均识别准确率达到92.72%，单个鸡蛋平均检测时间为22.1ms，库文件大小仅2.7MB，均优于TensorFlow Lite，更能满足实际应用要求。

来源：2023年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第3期