采用复合知识蒸馏算法的黑皮鸡枞菌图像分级方法
2021-11-25赵明岩李一欣宋天月李焕然
赵明岩,李一欣,徐 鹏,宋天月,李焕然
(1.中国计量大学机电工程学院,杭州 310018;2.中国计量大学理学院,杭州 310018)
0 引 言
黑皮鸡枞菌(Oudemansiella raphanipes)作为一种高档菌菇,富含蛋白质、氨基酸等多种营养物质,在降血糖、降血脂、抗癌等方面具有独特的生理功效[1],具有较高的研究与开发价值。近年来随着消费水平的提高,其市场规模逐年扩大。鸡枞菌各级别之间的价格可相差数倍,为使经济效益最大化,须将品相饱满、外形匀称的鸡枞菌与丛生菇、无伞菇区分开来。然而传统的人工分选方式存在效率低、一致性差等问题。随着云南、贵州等地的大面积种植和产量大幅提高,人工分选方式已经不能满足生产需求。
机器视觉技术[2-5]在特定的环境条件下可快速、高精度地检测单一目标,但当外界因素如光照等发生变化时,检测结果会出现一定偏差。而基于深度学习的图像检测系统可学习识别不同环境下的目标,目前被广泛用于谷物[6-7]、畜牧[8-10]、蔬果[11-13]等诸多领域。在搭建蘑菇数据集方面,袁培森等[14]在基于生成式对抗网络(Generative Adversarial Networks, GAN)的基础上使用Wasserstein距离和带有梯度惩罚的损失函数构建菌菇数据模型,为后期解决珍稀菌菇分类数据非均衡的问题提供了研究基础。在蘑菇分级系统方面,Lin等[15]采用长短期记忆网络(Long Short-Term Memory,LSTM)对蘑菇进行实时跟踪分级,可准确定位蘑菇,并能预测蘑菇在摄像机视野之外的位置,但分级时间长,效率低。Lu等[16]采用基于计分惩罚算法(Score-Punishment algorithm)的YOLOv3进行蘑菇的估计分级,对于不同时期采集的蘑菇图像,该算法具有很强的鲁棒性,能够克服颜色偏差对估计精度的影响,但不适用于黑皮鸡枞菌的品质分选。……
