食用菌产业是中国农业的重要支柱产业之一，在食用菌生产中香菇产量是最大的，香菇菌棒转色好坏对后期出菇的产量和品质具有重要影响。目前香菇转色的识别只能依靠有经验的生产人员进行判断，存在人为错误、效率低、精度差等问题。本文针对上述问题，依托山东省重大科技创新工程项目——食用菌智慧工厂化生产关键技术研发与产业化，运用深度学习、数据库技术等理论方法，建立了香菇菌棒转色程度识别模型，设计并实现了香菇菌棒转色识别系统，主要研究内容与结果如下： （1）研究了四种基于经典卷积神经网络的香菇菌棒转色识别模型。首先通过实地调查研究，完成了转色香菇菌棒数据采集，通过数据增强的方法对图像数据进行扩充；其次对AlexNet、VGG16两种模型进行优化后，比较AlexNet、VGG16、ResNet50和MobileNetV2四种模型在自建香菇菌棒数据集上的性能。实验结果表明，MobileNetV2模型的识别准确率和ResNet50较为接近，均达到90%以上，但是MobileNetV2模型的识别速度更快。 （2）构建了基于改进的MobileNetV2的香菇菌棒转色识别模型。通过在MobileNetV2倒残差模块串联融合注意力机制，使图像中特定区域的特征得到加强，实验结果表明，添加注意力机制的模型和原模型相比虽然增加了少量参数，但是模型的准确率提升了1.6%，能够有效提高识别结果。 （3）设计并实现了香菇菌棒转色识别系统。通过响应式框架，以构建的香菇菌棒转色识别模型为核心，结合前端技术和数据库等，设计并研发了香菇菌棒转色识别系统，主要实现了培养棚管理、转色识别、香菇菌棒转色记录等功能，为香菇菌棒转色程度的判断提供了科学依据，解决了人工判断效率低、精度差的问题。同时通过信息化手段记录转色过程数据，减少了人力成本投入，提高了效益。
NETL
