基于改进ShuffleNet V2网络的核桃破壳物料壳仁分类识别方法

核桃破壳后壳仁物料的高效无损分类检测是云南深纹核桃加工的关键技术缺口。本研究首先使用单独的下采样模块、网络浅层不使用深度卷积及网络深层使用H-Swish激活函数替代ReLu激活函数等优化策略，将ShuffleNet V2-0.5网络模型改进为C-ShuffleNet网络模型，实现轻量化的核桃破壳物料壳仁分类检测；然后，用核桃破壳物料壳仁数据集对改进前后的模型进行训练，进而对改进后的模型进行评估与检验；最后，将改进后的模型C-ShuffleNet与AlexNet、ResNet、EfficientNet、MobileNet等经典分类网络模型进行综合性能比较。结果表明，改进后的C-ShuffleNet模型大小比改进前的ShuffleNet V2-0.5压缩了8.9%,测试集准确率达到98.34%,比改进前提高了1.28个百分点，模型推理速度两者相差不大；与AlexNet、ResNet、EfficientNet、MobileNet等模型相比，C-ShuffleNet模型不但能保证较高的识别准确率，同时所占内存空间较小，识别时间更短，更加适合在嵌入式平台上开发应用。本研究结果为深纹核桃破壳物料壳...