基于改进ShuffleNetV2的轻量化饲料原料种类识别模型

作     者：田敏 牛智有 刘梅英 

作者机构：华中农业大学工学院/农业农村部智慧养殖技术重点实验室 

出 版 物：《华中农业大学学报》 (Journal of Huazhong Agricultural University)

年 卷 期：2025年

核心收录：

学科分类：090502[农学-动物营养与饲料科学] 0905[农学-畜牧学] 08[工学] 080203[工学-机械设计及理论] 09[农学] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(32072765) 

主　　题：饲料原料 种类识别 轻量化模型 ShuffleNetV2 注意力机制 

摘      要：为实现对入仓饲料原料的快速识别，针对目前配合饲料加工生产饲料原料入仓环节，人工识别粉碎程度、颜色和形状相近的入仓原料时存在种类识别困难的问题，基于轻量化卷积神经网络模型ShuffleNetV2，提出一种识别精度更高、计算复杂度更小且适用于饲料原料图像种类识别的ShuffleNetV2-EH轻量化模型。首先在ShuffleNetV2网络模型结构中引入注意力机制ECA(efficient channel attention)，根据输入自适应调整通道权重，提升网络模型对饲料原料图像重要特征的感知能力；其次将ReLU替换为Hardswish激活函数，在不增加额外的权重和偏置参数的前提下，提升模型的识别准确率；最后在保证模型识别精度的基础上，对ShuffleNetV2网络模型结构进行调整，减少模型的参数量以及计算量。结果显示，ShuffleNetV2-EH模型在8种饲料原料图像测试集上的识别准确率为99.13%，与原ShuffleNetV2模型相比提升1.38百分点，其精确率、召回率和F1分数分别提升1.45、1.63和1.62百分点，模型参数量和浮点运算量较之前分别减少了352 092个和45.27×10～6；且综合性能优于经典卷积神经网络模型AlexNet、VggNet16、GoogLeNet和ResNet18。结果表明，改进后的ShuffleNetV2模型较好地平衡了模型的计算复杂度和识别精度，为入仓环节的饲料原料在线识别提供了算法基础。