基于改进MobileNetv3的大米外观质量检测模型
DOI: https://doi.org/10.64083/STE2610508
作者
陈明真
摘要
针对大米外观检测中类间差异小、局部判别特征弱及模型部署资源有限的问题，本文提出一种轻量级分类模型RQM-MobileNetV3。该模型基于MobileNetV3-Small，引入轻量级多尺度特征增强模块以提升对米粒边缘、色差及糠粉分布的感知能力，同时结合通道重标定注意力模块增强关键判别通道响应，并在分类头中加入Dropout正则化以提升泛化性能。实验结果表明，RQM-MobileNetV3在大米单粒图像分类任务中准确率达到92.08%，较原始MobileNetV3提升约2.96个百分点，尤其显著改善了精碾米与适碾米等易混淆类别的分类效果。该模型在保持轻量化的同时有效提升了细粒度分类性能，具备良好的实际应用潜力。
关键词
大米外观检测；深度学习；MobileNetv3；细粒度分类；轻量化模型
