基于X射线成像与卷积神经网络的核桃内部品质检测

摘要：

针对目前我国核桃内部品质混杂、不易检测等问题,提出利用X射线成像技术结合卷积神经网络对核桃内部品质进行快速检测.对获取的核桃X射线图像进行预处理和数据扩充,采用GoogLeNet、ResNet 101、MobileNet v2和VGG 19共4种迁移学习模型构建卷积神经网络,对核桃数据集进行训练.通过预测集准确率、预测损失值、测试集准确率以及运行时间对模型进行分析,优化模型参数,开发核桃内部品质检测分选系统并进行模型验证.研究结果表明:GoogLeNet模型学习率设置为0.001,迭代次数设置为25次时预测效果最优,预测准确率为96.67％.系统验证结果表明:空壳核桃的判别准确率达到100％,平均判别准确率为96.39％.该系统可实现核桃内部品质的无损检测分选.

关键词：核桃;X射线成像技术;内部品质;卷积神经网络;检测系统

所属期刊栏目：53

分类号：S123(农业物理学)

资助基金：山西省重点研发计划项目201903D221027

在线出版日期：2022-03-09（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：383-388