摘要：为实现枇杷采后快速、准确筛选，本文以MobileViT为主干特征提取网络，通过分别在Layer1和Layer2层之后嵌入注意力模块CBAM（Convolutional block attention module），强化网络在通道和空间上对细节特征的提取能力，构建了一种轻量化网络模型MobileViT-CBAM。相较于MobileViT，在验证集和测试集上本文方法对疤痕、机械伤、腐烂等缺陷果的识别准确率分别提高1.17、1.23个百分点。试验结果表明，MobileViT-CBAM模型与VGG16、ResNet34、MobileNetV2相比较，准确率最高（97.86%），同时兼具内存占用量小（3.768MB），推理时间短（每幅图像需42ms）的优势。该轻量化网络模型可部署于嵌入式系统。本研究为构建枇杷在线检测系统提供了缺陷识别理论基础，为枇杷等农产品外部品质检测提供了一个高效、准确的方法。
文章目录
0 引言
1 材料与方法
1.1 图像采集系统
1.2 图像采集与预处理
1.2.1 图像采集
1.2.2 图像预处理
1.3 预测模型及评价
1.3.1 MobileViT网络
1.3.2 基于MobileViT-CBAM的枇杷缺陷识别模型
1.3.3 模型参数设置
1.3.4 模型评价
2 结果与分析
2.1 消融试验
2.2 热力图分析
2.3 枇杷分类结果
2.4 对比试验
3 结束语
