改进ShuffleNet V1算法的咖啡豆分级方法研究

作     者：赵玉清 焦雨杰 李宏 王天允 李嘉舜 张悦 

作者机构：云南农业大学机电工程学院 昆明理工大学交通工程学院 云南省作物生产与智慧农业重点试验室 云南农业大学食品科学技术学院 云南农业大学大数据学院 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2025年

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 083203[工学-农产品加工及贮藏工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：云南省重大科技专项计划项目(202302AE0900200105) 云南省科技厅科技计划农业联合专项(202301BD070001-105) 云南省教育厅科学研究基金项目(2023Y0986) 

主　　题：咖啡豆 深度学习 咖啡分级 ShuffleNet V1 ECA 

摘      要：针对目前咖啡豆存在分级困难、识别准确率低的问题，提出一种融合注意力机制的ShuffleNet V1咖啡豆分级模型(ECA-ShuffleNet MLP)。ECA-ShuffleNet MLP模型以ShuffleNet V1为主干网络，删去输入层的最大池化层，在ShuffleNet Unit第二个普通卷积后加入ECA注意力机制(Efficient Channel Attention，ECA)，最后添加一个多层感知器模块(Multi?Layer Perceptron，MLP)作为分类头，并采用Fusion Loss作为损失函数。在自建咖啡豆数据集上的试验结果表明：ECA-ShuffleNe MLP模型的咖啡豆分级平均准确率为97.84%，相比AlexNet、VGG16、 MobileNet V1、MobileNet V2、ResNet34和RenNet50模型，分别提高8.49、5.41、3.85、2.71、4.16和3.20个百分点。在公开咖啡豆数据集上的试验结果表明：相比上述模型，ECA-ShuffleNet MLP模型分级平均准确率分别提高3.75、1.00、10.00、2.75、0.08和1.25个百分点。在自制咖啡豆分级分拣试验平台上的试验结果表明：当输送带运行速度为50mm/s时，识别准确率和抓取成功率为84.00%和82.67%。ECA-ShuffleNet MLP模型具有较好的分级准确率和轻量化，易于部署在硬件设备上，具有较好的泛用性。