10.11975/j.issn.1002-6819.2018.21.023
基于卷积神经网络的花生籽粒完整性识别算法及应用
针对现有色选设备在花生颗粒筛选过程中处理速度慢、准确率低的缺点,提出基于卷积神经网络的花生籽粒完整性识别算法.以完好花生、表皮破损花生和果仁破损花生的分类为例,构建花生图像库;搭造卷积神经网络,提取花生图像特征;为提高分类准确率和实时性,从训练集构成、减小过拟合、加快训练收敛速度、简化网络结构等几方面对卷积神经网络进行优化;最终利用含2个卷积层、2个池化层、2个全连接层的3层神经网络实现了上述3类花生的分类.试验结果表明:该方法对花生分类的准确率达到98.18%,平均检测一幅单粒花生图像的时间为18 ms,与现有色选设备相比有效提高了色选设备筛选的准确率和实时性.
农产品、图像处理、识别、卷积神经网络、特征提取、色选系统、花生颗粒筛选
34
TP391.41(计算技术、计算机技术)
国家科技重大专项2014zx04001171
2018-11-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
195-201