编辑推荐：
为解决传统板栗（Castanea sativa）分类繁琐易出错的问题，研究人员开展利用深度学习特征和注意力机制进行板栗多品种分类的研究。开发出相关移动端应用，MobileNet 结合注意力机制分类精度达 99.65% 等。该研究成果可辅助农业决策。
板栗（
Castanea sativa）是富含纤维、维生素 C 和 B 族，以及钾、镁、铁等矿物质的营养食品，除食用外，还用于医药、化妆品和能源等领域，在全球需求旺盛。准确分类对确定板栗市场价格至关重要，但传统靠外观分类的方法既繁琐又易出错，因此急需计算机辅助系统。
研究人员搭建相机系统，采集了 “Aland?z”“Ayd?n”“Simav” 和 “Zonguldak” 这几个品种的板栗图像，构建了新的数据集。同时，开发了基于深度学习的移动端应用，用于板栗品种分类。研究人员测试了 16 种先进的卷积神经网络（CNN）模型，选取其中表现最佳的 3 种作为特征提取器，并用决策树（DT）、朴素贝叶斯（NB）、支持向量机（SVM）、Adaboost 和极端梯度提升（XGB）算法对提取的特征进行分类。最后，将注意力模块融入 CNN 模型，以提高板栗图像的分类准确性。结果显示，融入注意力机制的 MobileNet 表现最为出色，准确率达到 99.65%，精确率为 99.62%，召回率为 99.67%，F1 分数为 99.64%，kappa 分数为 100%，曲线下面积（AUC）为 100% 。
该板栗数据集可用于不同的学术研究，而提出的框架也能为农业专家提供计算机辅助决策支持，助力农业智能化发展。
