一种改进的纯全连接神经网络用于米粒分类

大米是世界大部分人口的主食，提供必需营养，并作为广泛烹饪传统中多用途的食材。近年来，深度学习已实现大米的自动化分类，提高了准确性和效率。然而，基于一阶段训练的经典模型可能难以区分具有相似外部特征的稻米品种，从而导致误分类。考虑到模型的透明性和可行性，我们选择并逐步改进纯全连接神经网络以实现米粒分类。我们使用的数据集包含来自网站和实验室的全球和国内大米图像。首先，训练模式从一阶段训练改为两阶段训练，这显著有助于区分两种相似类型的稻米。其次，预处理方法从随机倾斜改为水平或垂直位置校正。经过这两项改进后，模型的准确率从 97% 显著提升至 99%。总之，本研究提出的两种细微方法可以显著提升深度学习模型在米粒分类方面的分类能力。