一种基于混合神经网络的轻量化水果种类识别方法的研究OACHSSCD

在农业生产与智能零售等领域对水果图像识别需求日益增长的背景下,传统识别方法已难以满足复杂场景下的准确分类要求。为此,本研究引入深度学习技术,提出一种融合MobileNetV3与ShuffleNetV2优势的轻量级混合神经网络架构,以实现高效准确的水果图像分类。该模型结合了MobileNetV3的高效注意力机制及其HSwish激活函数,以及ShuffleNetV2通道混洗技术,在降低计算复杂度和参数量的同时,有效提升了模型的特征提取能力和分类精度。在公开数据集Fruits-360上的试验结果表明,该模型在Top-5准确率达到0.9985,具有良好的拟合能力与泛化性能,且适用于移动端及嵌入式设备等资源受限环境。本研究为水果图像分类任务提供了一种可行的轻量化解决方案,未来可进一步探索新型网络结构或迁移学习技术以持续优化模型性能。