基金项目：国家重点研发计划项目重点专项项目子课题（编号：2018YFD0700305）收稿日期：2022－11－16基于Transformer模型的干辣椒等级分类方法研究*邱显焱，郭士超※，王俊杰（湖南工业大学机械工程学院，湖南株洲412007）摘要：针对生产出的干辣椒品相不一的问题，提出基于Transformer模型的干辣椒等级分类识别方法。根据干辣椒特征，确定干辣椒等级标准，包括优质干辣椒、合格干辣椒和不合格干辣椒3个等级。制备干辣椒数据集并划分为训练集和测试集。首先结合Vi‐sualTransformer（ViT）网络和分类网络，引入并改进ShiftedwindowsTransformer(SwinTransformer)网络，使用高斯误差线性单元（GELU）做激活函数，使用自适应矩估计（Adam）做优化函数。通过加载在ImageNet数据集训练的权重进行模型初始化，表明迁移学习方式可有效提高模型特征提取能力。通过对比ViT模型和SwinTransformer模型两种模型来训练干辣椒数据集，表明SwinTransformer模型测试准确率较高。实验表明，利用迁移学习的SwinTransformer模型准确率最高，达到95.26%，这为干辣椒等级分拣问题提供了新的解决办法，同时可作为其他果蔬品相识别的参考。关键词：干辣椒；品质分类；Transformer；迁移学习中图分类号：TP391文献标志码：A文章编号：1009－9492(2023)02－0034－04StudyonGradeClassificationMethodofDryChiliBasedonTransformerModelQiuXianyan，GuoShichao※，WangJunjie（SchoolofMechanicalEngineering,HunanUniversityofTechnology,Zhuzhou,Hunan412007,China）Abstract:Inviewoftheproductionofdrypepperproductsinconsistentsituation,aclassificationandrecognitionmethodofdrychilibasedontransformermodelwasproposed.Accordingtothecharacteristicsofdrychili,thegradestandardofdrychiliwasdetermined,includinghighqualitydrychili,qualifieddrychiliandunqualifieddrychili.Drychilidatasetwaspreparedanddividedintotrainingsetandtestset.Firstly,combinedwiththeVisualTransformer(ViT)networkandtheclassificationnetwork,thentheShiftedwindowsTransformer(SwinTransformer)networkwasintroducedandimproved,usingtheGaussianErrorLinearityUnit(GELU)astheactivationfunctionandtheAdaptiveMomentEstimation(Adam)astheoptimizationfunction.ByloadingweightstrainedinImageNetdatasetformodelinitialization,itisconcludedthatthetransferlearningmet...
