摘要：为实现玉米包衣种子品种低成本、高效便捷识别，基于智能手机采集的18个品种4种颜色的23 100张玉米包衣种子双面图像构建数据集，采用轻量级卷积神经网络模型ShuffleNetV2、MobileNetV3、MobileViT、MobileOne、RepGhostNet和基于上述模型的集成模型分别进行玉米包衣种子品种识别。结果表明，5种单一模型均具有较高的识别准确率和综合性能，识别准确率分别为98.48%、98.23%、98.44%、98.23%和98.01%，模型大小分别为1.55、4.96、4.42、6.97、4.19 MB，推理速度分别为106、94、84、212、94 f/s。集成模型相比单一模型具有更高的识别准确率，其中，ShuffleNetV2和MobileViT组成的集成模型识别准确率达到99.22%。分析发现，品种误识别仅发生在相同颜色包衣种子品种之间，并且随着相同颜色包衣种子品种数量增多，模型对该颜色包衣种子的识别准确率有下降的趋势。
文章目录
1材料和方法
1.1数据集构建
1.2网络模型
1.3试验环境与参数设置
1.4评价方法
2结果与分析
2.1单一模型识别性能比较
2.2不同品种玉米包衣种子识别混淆情况分析
2.3相同颜色包衣种子品种数量对识别准确率的影响
2.4集成模型识别结果
3结论与讨论
