基于CNN的小麦籽粒完整性图像检测系统

摘要：

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中.采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库.采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比.结果 表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92.25％;4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98.02％,识别速率为0.827 ms/粒.基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26.3 s,其中,图像采集过程平均用时21.2s,图像处理与识别过程平均用时为5.1s,平均识别准确率为96.67％.

关键词：小麦籽粒、完整性、图像识别、卷积神经网络、检测系统

所属期刊栏目：51

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目;中央高校基本科研业务费专项资金项目

在线出版日期：2020-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42