农业机械学报

作者：朱锐，夏宇，季凡，陈坤杰，陈子轩

单位：南京农业大学,南京农业大学,南京农业大学,南京农业大学,农业农村部南京农业机械化研究所,

关键词：大米加工;精度识别;卷积神经网络;最大相关-最小冗余特征选择

基金：江苏省科技支撑现代农业重点项目（BE2021305）

快速准确地识别大米加工精度，是实现大米碾削加工自动控制的关键。采集不同碾削时间的大米图像，通过滤波及压缩等处理后，制成不同精度等级的数据集，再以经典卷积神经网络（Convolutional neural network，CNN）LeNet-5、AlexNet和VGG-16为基础，分别采取了一系列针对性的优化策略，对模型进行改进和优化，得到3种改进的大米加工精度识别模型；通过试验比较了这些改进优化方法对模型性能的影响。结果表明，在引入卷积核尺寸为9×9和11×11的两个子卷积网络分支后，LeNet-5模型识别准确率由82.23%提高到92.53%；在对AlexNet模型去除两个全连接层，并采用普通池化后，模型识别准确率由92.89%提高到96.73%；如果将Dropout层和组归一化（Group normalization，GN）层引入到VGG-16模型，并采取最大相关-最小冗余（Maximum relevance minimum redundancy，MRMR）特征选择算法对模型进行改进优化，模型准确率较原模型提升7.56个百分点，达到98.87%，为所有测试模型中最高。这表明改进的VGG-16网络模型，可以用于对大米加工精度等级进行精准识别。

来源：2025年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第9期