研究人員搭建相機系統，采集了 “Aland?z”“Ayd?n”“Simav” 和 “Zonguldak” 這幾個品種的板栗圖像，構建了新的數據集。同時，開發了基于深度學習的移動端應用，用于板栗品種分類。研究人員測試了 16 種先進的卷積神經網絡（CNN）模型，選取其中表現最佳的 3 種作為特征提取器，并用決策樹（DT）、樸素貝葉斯（NB）、支持向量機（SVM）、Adaboost 和極端梯度提升（XGB）算法對提取的特征進行分類。最后，將注意力模塊融入 CNN 模型，以提高板栗圖像的分類準確性。結果顯示，融入注意力機制的 MobileNet 表現最為出色，準確率達到 99.65%，精確率為 99.62%，召回率為 99.67%，F1 分數為 99.64%，kappa 分數為 100%，曲線下面積（AUC）為 100% 。

該板栗數據集可用于不同的學術研究，而提出的框架也能為農業專家提供計算機輔助決策支持，助力農業智能化發展。