轻量图像分类模型

识别籽粒缺陷

在保持高识别精度的同时大幅降低模型复杂度和计算成本，使实时无损检测在资源受限设备上可行。

Yunzhao, Ma · 吴文福 · 闫旭

Frontiers in Plant Science 2026

具体参数

识别精度

{'zh': '94.2', 'en': '94.2'} %

参数量减少

{'zh': '30.3', 'en': '30.3'} %

计算成本降低

{'zh': '27.6', 'en': '27.6'} %

技术优势

精度不降反升

在轻量化的同时精度还提高6.1%，达到94.2%，证明优化没有牺牲识别能力。

模型更小

参数量减少30.3%，意味着更低的存储和内存占用，更容易部署。

跑得更快

推理速度从155 FPS提升到183 FPS，能跟上实时检测的节奏。

应用场景

• 小麦籽粒质量检测：可直接部署在检测线上，自动分拣六类籽粒，替代人工目检。
• 边缘计算设备：参数量和计算成本大幅降低，可在边缘设备上实时运行，无需云端回传。
• 智能农业设备：轻量模型适合嵌入智能农机或分选设备，在田间地头完成在线质检。
• 实时视觉检测系统：183 FPS的推理速度满足实时视觉检测的帧率要求，可无缝接入现有系统。