基于卷积神经网络的橘子分类识别研究

摘要：

为了增强橘子表皮缺陷提取效果,满足橘子品质自动分类的实时性和准确性要求,构建了橘子数据集,以ReLU为激活函数,Max-pooling为下采样方法,建立了包含3个卷积层、3个下采样层、1个全连接层和1个Softmax回归分类器为输出层的卷积神经网络模型,采用小批量梯度下降法训练并优化网络模型.实验平台基于Keras深度学习框架,利用Anaconda下的Spyder编译工具进行Python编程,实验结果表明:方法分类准确率达94.34％,比现有分类方法准确率高出4.75个百分点.

关键词：图像识别、特征提取、深度学习、卷积神经网络、品质分类

所属期刊栏目：48

分类号：TP183(自动化基础理论)

资助基金：河南省科技攻关项目202102210349

在线出版日期：2020-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：68-73