来源：期刊VIP网 时间：
作者：王伟;杨世忠;宫钰程;高升;邓兆鹏;
单位：青岛理工大学信息与控制工程学院;山东荣信水产食品集团股份有限公司;青岛科技大学海洋科学与生物工程学院;
摘要：[目的]利用现代计算机视觉技术和深度学习方法，提升腐烂草莓分类的准确性和效率。[方法]提出了基于EfficientNet V2融合GCN和CA-Transformer的腐烂草莓分类方法。为基准模型添加了图卷积分支，通过聚合节点的周围信息来更新特征表示，更好地捕捉节点在图结构中的上下文信息；将带有注意力的Transformer结构融合到基准模型的主干中，用该结构替换部分卷积操作，实现全局和局部特征的融合，从而更好地识别草莓的腐烂情况；在传统残差结构的基础上引入学习参数，以实现特征的动态融合。[结果]GC-EfficientNet V2模型相比基准模型在准确率上提高了1.86%，召回率提升了1.49%。与Inception V3、ResNet50、VGGNet、Vision Transformer和EfficientNet V2-m模型相比，该模型的识别准确率分别提高了0.93%,2.08%,2.79%,3.26%,0.47%。[结论]该模型能够准确地对腐烂草莓进行分类。
关键词：草莓;;腐烂;;图卷积;;CA-Transformer;;可学习残差;;EfficientNet V2
基金资助：国家自然科学基金（编号：62001263）;; 山东省青年基金（编号：ZR2023QC114）
