用于大米分类与质量评估的整体实时机制
计算机视觉与模式识别
2025-12-16 v4 人工智能
摘要
大米是全球最广泛种植的作物之一，并已培育出众多品种。种植过程中大米的质量主要由其品种和特征决定。传统上，大米分类与质量评估依赖人工视觉检查，这一过程既耗时又易出错。然而，随着机器视觉技术的进步，基于品种和特征实现大米分类与质量评估自动化的可行性日益增加，从而提高了准确性和效率。本研究提出了一种用于全面评估大米颗粒的实时评估机制，集成了单阶段目标检测方法、深度卷积神经网络和传统机器学习技术。所提出的框架能够实现大米品种识别、颗粒完整度分级和颗粒垩白度评估。本研究使用的大米颗粒数据集包含来自中国六个广泛种植品种的约20,000张图像。实验结果表明，所提出的机制在目标检测任务中达到了99.14%的平均精度均值(mean average precision, mAP)，在分类任务中达到了97.89%的准确率。此外，该框架在同一大米品种内的颗粒完整度分级中达到了97.56%的平均准确率，有助于构建有效的质量评估系统。
引用
@article{arxiv.2502.13764,
title = {An Overall Real-Time Mechanism for Classification and Quality Evaluation of Rice},
author = {Wanke Xia and Ruoxin Peng and Haoqi Chu and Xinlei Zhu and Zhiyu Yang and Yiting Zhao and Lili Yang},
journal= {arXiv preprint arXiv:2502.13764},
year = {2025}
}
备注
Accepted at AAAI 2026 Workshop (AgriAI)