基于GoogLeNet深度迁移学习的苹果缺陷检测方法

摘要：

针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测.检测结果表明,本文方法对扩充后的1 932个训练样本的识别准确率为100％,对235个测试样本的识别准确率为91.91％.为评估目前苹果缺陷检测常用算法的性能,将GoogLeNet与浅层卷积神经网络(AlexNet和改进型LeNet-5)及传统机器学习方法(K-NN、RF、SVM)进行了对比,结果表明,与苹果缺陷检测的常用算法相比,本文方法具有更好的泛化能力与鲁棒性.

关键词：苹果、缺陷检测、GoogLeNet、深层卷积神经网络

所属期刊栏目：51

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目81803234

在线出版日期：2020-08-13（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：30-35