近日，我校智能制造学院教师张建在《Journal of Food Composition and Analysis》期刊发表了题为“Identification of green pepper (Zanthoxylum armatum) impurities based on visual attention mechanism fused algorithm”的研究论文。湖州学院为论文的第一完成单位和第一通讯单位。《Journal of Food Composition and Analysis》为中科院二区Top期刊，最新影响因子4.17。

研究概述：目前，青花椒的质量评估主要依赖人工识别杂质。然而，人工识别方法不仅费时费力，还容易受到主观因素影响，难以满足高效、精准的工业检测需求。因此，本研究以检测精度和推理速度为核心评价指标，探索了适用于青花椒杂质检测的卷积神经网络（CNN）模型。研究表明，在检测精度方面，YOLOv5m优于主流目标检测算法（包括 Faster R-CNN、Grid R-CNN 和 RetinaNet）。为进一步提升检测性能，研究引入了基于相似性的注意力机制模块（SimAM），并将其融入YOLOv5m网络，实现了YOLOv5m-SimAM融合算法。实验结果显示，与原始YOLOv5m相比，YOLOv5m-SimAM在所有类别的平均精度（AP）和F1分数上均有所提升。此外，在模型参数量和计算复杂度（FLOPs）基本相同的情况下，YOLOv5m-SimAM的计算成本降低了50%，推理速度进一步优化，在缩短推理时间的同时保持了高检测精度。该研究为青花椒等农产品的智能化分选提供了高效、精准的检测方案，具有一定的工程应用价值。

上述研究工作得到了湖州学院2024人才引进项目的支持。

全文链接：https://www.sciencedirect.com/science/article/pii/S0889157525002601