基于深度学习的山核桃破壳物料分类识别

李文宝 曹成茂 张金炎 彭美乐

(安徽农业大学工学院，安徽 合肥 230036)

山核桃系胡桃科山核桃属树种，果仁富含不饱和脂肪酸以及多种人体必需的氨基酸和矿物质，具有极高的营养价值，是皖南山区重要的经济作物之一[1]。其果壳坚硬而厚，隔膜发达，果仁位于隔膜内，壳仁结合十分紧密，使得低损伤破壳取仁十分困难。传统的山核桃破壳加工方法主要是一次破壳和二次破壳相结合的方式，通过对破壳后的混合物料进行筛选，将山核桃仁分选出来，实现壳仁分离[2]，然而加工过程中存在着仁损伤率高，分选效率低等问题。在山核桃加工过程中对一次破壳后的物料进行细分，将不同类型的物料分二次加工，降低山核桃仁的损伤，可进一步提升山核桃的深加工水平[3]。

计算机视觉及卷积神经网络在农业领域已有广泛的应用[4]，如Mohammad等[5]通过改进的卷积神经网络来检测樱桃的外观，达到了99.4%的准确率，能够替代传统的分级方法； Kozowski等[6]通过对9种卷积神经网络进行对比，实现了对大麦的视觉分类检测，准确度达93%；Nasiri等[7]利用迁移学习的方法对枣果进行分类，模型总体的分类准确度达96.98%。中国在农业领域也开始应用机器视觉及深度学习技术，如在玉米病害检测、水稻杂株识别，柑橘[8]、苹果[9]、荔枝[10]、辣椒[11]、番茄[12]、茶叶[13]等农产品分级等均有研究。汪天宇[14]采用模糊聚类算法对山核桃进行壳仁分选，将露仁从3种破壳后的混合物料中分选出来，能够达到83%的识别准确率。……