面向粮食安全的轻量化大米外观检测仪设计与Ghost模型压缩方法

摘要

粮油品质智能化检测是守护粮食安全的重要技术支撑。结合现场便携检测的应用场景，研发一款轻量化大米外观检测设备，并搭配轻量化深度学习算法完成品质判定。结合实际应用场景划定设备性能与使用约束，规划完整检测作业流程，完成图像采集硬件选型与布局，依托视觉技术实现大米外观三维信息重构。针对检测样本需求，采集多品类大米图像并搭建专属数据集，引入知识蒸馏技术简化标注工作，同时细化垩白、发黄等外观缺陷的判定标准。采用两阶段检测架构，对U-Net分割网络进行结构优化，借助Ghost算法对VGG19分类网络实施模型压缩，解决终端设备算力不足的问题。针对模型训练过程中出现的偏差问题完成参数与结构调优。整套系统兼顾检测精度、运行速度与设备便携性，能够满足粮库、收购站点等场景下大米外观快速质检需求，为小型化粮油智能检测设备研发提供可行思路。