基于EfficientNetV2的鸡蛋无损检测与品质分级研究

摘要

鸡蛋品质的无损检测是鸡蛋生产、销售与加工过程中的重要环节之一，传统的鸡蛋品质检测主要依靠人工进行破坏性检测，存在效率低、主观误差大等问题，而现有无损检测技术多局限于单一表征，难以实现内外部品质的综合分级。针对此类问题，提出了一种基于EfficientNetV2框架的鸡蛋品质判别模型，首先针对鸡蛋内外部品质进行无损检测，利用边缘检测、阈值分割及特征融合算法针对表征进行提取，将图像特征和数值特征通过拼接（concatenation）的方式进行融合，实现将所有特征向量连接成一个更长的向量，其次在EfficientNetV2基础上以裂纹、斑点、气室高度指标为特征参数，实现对鸡蛋内外部品质的综合表征，并将样本按7∶2∶1的比例分为训练集、验证集和测试集，并基于深度学习网络建立判别模型，在深度可分离卷积中引入Fused-MBConv模块以避免进行多次冗杂的激活操作来减少结构占用，通过NAS网络搜索技术以优化网络架构，完善对鸡蛋品质进行分级的任务。试验结果显示，EfficientNetV2模型的准确率为95.76%，较改进前提升了1.55个百分点，参数量减少20%，浮点计算量降低2.33%，其综合性能明显优于GoogleNet、VGG-16、ResNet-50等主流模型。证明本文方法在针对鸡蛋品质进行检测与分级的任务实现上是可行的。

关键词

鸡蛋 / 无损检测 / 品质分级 / 机器视觉 / EfficientNetV2