张忠志 薛欢庆 范广玲

(1. 吉利学院，四川 成都 641423；2. 大庆师范学院，黑龙江 大庆 163712；3. 东北石油大学，黑龙江 大庆 163311)

目前中国对红枣缺陷的检测方法大多通过人工进行筛选，劳动强度大且效率低，而且红枣的品质受分拣人员的影响较大，难以满足中国食品安全相关标准的要求[1]。研究人员对食品缺陷检测技术进行了研究，并取得了一定的成果。杨森等[2]提出了一种基于轻量级卷积网络的马铃薯外部缺陷无损检测与分类方法，当训练率为0.000 001时，网络模型的整体性能最好，训练精度为98.88%。与传统方法相比，轻量级网络模型平均表现出较好的识别效果，平均识别率为96.04%。张思雨等[3]提出了一种将机器视觉与自适应卷积神经网络相结合的花生质量检测方法，该法对花生常见缺陷的平均识别率为99.7%，比传统的深度网络具有更高的收敛速度和识别精度。海潮等[4]提出了一种基于机械视觉检测红枣表面缺陷的方法，其颜色空间模型使用Blob分析算法将红枣与背景分离，并识别红枣上的表面缺陷，准确率在90%以上。然而，上述食品缺陷检测方法的研究往往局限于单一缺陷，识别准确率和效率不高，在实际应用中无法满足要求。

针对目前红枣人工缺陷识别技术的现状，研究拟提出一种用于红枣缺陷自动识别的多分类方法，通过双分支深度融合卷积神经网络(Double branch deep fustion convolutional neural network，DBDFCNN)进行缺陷识别。采用双分支卷积神经网络结构，分支1结合迁移学习策略进行预训练，分支2基于轻量级网络融合特征图提取红枣图像的特征信息。……