来源：期刊VIP网 时间：
作者：傅婕;吴跃;
单位：中南林业科技大学食品科学与工程学院稻谷及副产物深加工国家工程实验室;
摘要：为了开发一项无损、高效的大米品种真实性图像识别技术，本文以亲缘关系相近的3种粳米和3种籼米为研究对象，分别采集每种大米的可见光及其4种不同的偏振图像（即偏振强度I0°图像、偏振Stokes矢量S0图像、偏振角图像、偏振度图像），结合6种卷积神经网络算法（即AlexNet、VGG16、GoogLeNet、ResNet34、DenseNet、ConvNeXt V2），分别建立基于不同图像类型和算法的粳米和籼米品种真实性识别模型。通过对比这些模型验证集的准确率发现，在粳米品种真实性识别中，基于ResNet网络的可见光图像，实现了最高的100%识别准确率；基于VGG16网络的偏振度图像，准确率达到98.5%。在籼米品种真实性识别中，基于VGG16网络的偏振Stokes矢量S0图像，最高实现了99.5%的准确率；基于VGG16和ResNet网络的偏振度图像均最高达到99.3%的准确率。本文证明了偏振成像技术应用在大米品种真实性识别中的现实可行性，也为粳米和籼米品种真实性识别时选择合适的图像类型和算法提供了重要参考依据。
关键词：大米;;品种;;真实性识别;;偏振成像技术;;深度学习
