食品工业科技

作者：徐娅, 吴跃, 郁露

关键词：稻花香2号,偏振光图像,深度学习,核心产区真实性判别,

“五常大米”（GB/T 19266-2008）享有地理标志保护，但由于其核心产区内外稻米品质差异较大及频繁的仿冒现象，进一步区分五常大米核心产区将有助于品牌发展、保护和提升。本论文以五常稻花香大米核心产区之一的民乐乡为例，选取民乐乡与五常地区非民乐乡不同产地的相同稻花香2号（五优稻4号）品种稻米，采集其偏振光图像，数据集总共包含3万张稻米颗粒图片；选择适合识别图像表型差异小的三种深度学习方法DenseNet、GoogleNet、ResNet50，进行民乐乡与非民乐乡的稻米籽粒偏振图像分类判别；随后，利用模型的混淆矩阵值，计算出每个模型的准确率、精确率、召回率和F1值。实验结果表明，DenseNet模型性能最优，平均准确率达到0.991；GoogleNet模型次之，平均准确率为0.966；ResNet50模型在训练集上表现良好，但在测试集上表现较差，且出现过拟合现象，平均准确率为0.948。本研究中五常的民乐乡与非民乐乡相同品种糙米图像肉眼观察相似度较高，但通过采集其偏振信息图片并且利用复杂的深度学习模型能够实现较好区分。所以，利用偏振成像技术结合深度学习的方法对五常核心产区稻花香米进行真实性判别具有可行性。

来源：2024年第17期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2024年第17期