基于改进VGG-19卷积神经网络的冰鲜鲳鱼新鲜度评估方法

摘要：

保障冰鲜水产品的质量安全是提升水产行业供求效益的关键环节之一.传统的水产品新鲜度检测方法存在破坏样本、操作复杂、检测效率低等问题,冷链储运的发展急需一种快速、准确的鱼肉新鲜度检测技术.该研究以冰鲜鲳鱼为研究对象,提出基于计算机视觉的鲳鱼新鲜度评估方法,为鱼肉冷链储运系统智能化发展提供技术支持.首先,建立冰鲜鲳鱼新鲜度等级图像数据集.其次,针对数据集规模小的问题,结合迁移学习方法训练卷积神经网络CNN(Convolutional Neural Network)提高模型的泛化能力,并选择试验效果较优的VGG-19(Visual Geometry Group 19)为分类算法主模型.最后,针对VGG-19分类网络结构复杂的问题,优化全连接层数量及结构,该优化模型的鲳鱼新鲜度识别准确率可达99.79％,与优化全连接层前相比准确率提升了1.05个百分点,全连接层参数量降低了97％,占空间降低了443.9 MB,时间效率、空间效率也均有提升.此外,为进一步说明模型对鲳鱼新鲜度等级的判定依据,该研究利用类激活映射方法对鲳鱼新鲜度分级结果进行可视化,试验表明鲳鱼腹部特征是对新鲜度分级最有效的信息,研究结果为构建基于深度卷积神经网络的鱼肉新鲜度分级模型提供参考.

关键词：计算机视觉;卷积神经网络;冰鲜鲳鱼;新鲜度;分类网络;迁移学习;类激活映射

所属期刊栏目：37

分类号：S126(农业物理学)

资助基金：国家重点研发计划;广东省重点领域研发计划项目

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：286-294