一种深度学习的通货核桃品种分选方法

针对市场上通货核桃多品种掺杂、各类核桃相似度高而难以有效区分的问题，文中提出一种深度学习的通货核桃品种分选方法。建立包含四种主栽核桃品种外部种类信息图像数据库，并结合专业知识进行人工标签；构建嵌入BN的Inception多尺度特征融合结构，加速实现多尺度视觉信息的聚合；加入捷径连接，增强模型对特征的复用，缓解过拟合问题；加入SE注意力机制，增强模型的抗干扰能力；使用余弦退火加速模型收敛，在此基础上，构建深度学习网络模型（BSNet），以实现核桃品种的动态分选。将BSNet模型与ResNet18、ResNet50、ResNet101、DenseNet121、GoogleNet等经典模型进行对比实验，实验结果表明，BSNet模型在自建数据集上的分选平均准确率达到96.13%，优于经典模型，证明所提方法能够有效应用于核桃品种分选。