基于残差神经网络的鸡蛋分类识别研究

作     者：梁旭 王玲 赵书涵 LIANG Xu;WANG Ling;ZHAO Shuhan

作者机构：河南农业大学机电工程学院河南郑州450002 

出 版 物：《河南农业大学学报》 (Journal of Henan Agricultural University)

年 卷 期：2024年第58卷第3期

页      面：456-466页

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 

基　　金：河南省科技攻关项目(232102321022,232102110284) 河南省高等学校青年骨干教师培养计划(2020GGJS046) 

主　　题：鸡蛋分类 家禽养殖 残差神经网络 学习率 智慧农业 迁移学习 

摘      要：【目的】探究残差神经网络(residual neural network,ResNet)对不同种类鸡蛋的分类效果,明确深度学习应用存在智能鸡蛋巡检装置的可行性,为家禽养殖智能化进程提供新思路,并为鸡蛋分类研究提供数据支撑。【方法】在鸡舍实地取样,采用自适应矩估计优化器(adaptive moment estimation,Adam)以微调最后1层、微调所有层和重新训练所有层3种迁移学习策略分别训练,并通过调整模型权重参数及改变学习率的方式训练出最佳分类模型。【结果】得到识别准确率高达98.971%的鸡蛋分类模型。计算出模型在数据集上的各类评估指标,并借助混淆矩阵及语义特征降维可视化,分析出鸡蛋分类识别中易被误判的类别及语义。该模型部署后实时性良好,满足实际需求。【结论】鸡蛋的分类识别中光照条件是关键影响因素,应尽可能使鸡舍光照稳定均衡。针对6类鸡蛋,微调所有层并调整学习率参数为0.6,可得最佳模型。其在鸡舍场景下分类效果优良,尤其是颜色语义,应用于智能鸡蛋巡检装置,可有效降低人力成本。后续研究中应注重畸形蛋及软壳蛋的记录,为进一步优化提供数据支撑。