倒置残差网络结合注意力机制的掺假羊肉分类检测系统构建

摘要：

针对羊肉精和染色剂作用下的猪肉掺假羊肉分类检测问题,该研究提出并建立了一种检测速度较快、精度较高的注意力机制结合倒置残差网络模型,同时基于智能手机开发了对应的快速、准确检测应用软件.首先,对羊肉、不同部位猪肉、不同掺假比例下的猪肉掺假羊肉的原始手机图像,使用数据增强方式进行数据扩充;其次,用倒置残差结构替换残差网络框架中的原有残差结构,以减少网络参数量并加快模型收敛速度,同时,引入注意力机制(Convolutional Block Attention Module,CBAM),利用空间和通道特征对特征权重再分配,以强化掺假羊肉和羊肉之间的特征差异;然后,利用提出的注意力机制结合倒置残差网络(CBAM-Invert-ResNet)对样本进行训练并确定模型参数;最后,将训练好的网络模型移植到智能手机,以实现掺假羊肉的移动端检测.研究结果表明:与ResNet50和CBAM-ResNet50相比,Invert-ResNet50、CBAM-Invert-ResNet50模型的参数量分别减少了58.25％和61.64％,模型大小分别减小了58.43％和61.59％;针对背脊、前腿、后腿和混合部位数据集,CBAM-Invert-ResNet50模型验证集的分类准确率分别为95.19％、94.29％、95.81％、92.96％;把建立的网络模型部署到移动端后,每张图片的检测时间约为0.3 s.该研究可实现对羊肉精和染色剂作用下的不同部位猪肉掺假羊肉的移动端快速、准确分类检测,可为维护市场秩序和保护食品安全提供技术支持.

关键词：图像处理、深度学习、羊肉掺假、注意力机制、倒置残差、智能手机、羊肉精、染色剂

所属期刊栏目：38

分类号：TP391.41;TS251.53(计算技术、计算机技术)

资助基金：国家自然科学基金;兵团中青年科技创新领军人才计划项目

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：266-275