探索卷积神经网络用于稻米颗粒分类：一种可解释人工智能方法
计算机视觉与模式识别
2026-01-15 v5
摘要
稻米是全球范围内重要的粮食之一，在推动国际贸易、经济增长和营养方面至关重要。亚洲国家（如中国、印度、巴基斯坦、泰国、越南和印尼）在稻米的培育和利用方面贡献突出，这些国家也以培育不同的稻米品种而闻名，包括短粒和长粒。这些尺寸进一步分类为 basmati、jasmine、kainat saila、ipsala、arborio 等，满足不同烹饪偏好和文化传统。对于当地和国际贸易，检查和维护稻米品质以满足客户需求并维护国家声誉至关重要。手动质量检查和分类既费时又费力，而且容易出错。因此，必须提出一种自动化解决方案，以高效和有效地对不同稻米品种进行分类。本研究提出一种基于卷积神经网络（CNN）的自动框架，用于对不同稻米品种进行分类。我们根据准确率、召回率、精确率和F1分数等性能指标评估了所提模型。CNN模型经过严格的训练和验证，实现了卓越的准确率，并在每个类别的受者者操作特征（ROC）曲线下面积中取得完美分数。混淆矩阵分析确认了该模型在区分不同稻米品种方面的有效性，表明误分类极少。此外，集成可解释技术（如 LIME（局部可解释模型中性释义）和 SHAP（SHapley Additive exPlanations））为模型的决策过程提供了宝贵的见解，揭示了稻米特定特征如何影响分类结果。
引用
@article{arxiv.2505.05513,
title = {Exploring Convolutional Neural Networks for Rice Grain Classification: An Explainable AI Approach},
author = {Muhammad Junaid Asif and Hamza Khan and Rabia Tehseen and Rana Fayyaz Ahmad and Mujtaba Asad and Syed Tahir Hussain Rizvi and Shazia Saqib},
journal= {arXiv preprint arXiv:2505.05513},
year = {2026}
}