基于CNN的玉米种子内部裂纹图像检测系统

摘要：

为了高效检测玉米种子内部裂纹,设计基于卷积神经网络(CNN)的检测系统及批量检测方法,采集有裂纹和无裂纹的玉米种子制作数据集,构建AlexNet,VGG11、InceptionV3和ResNetl8共4种经典卷积神经网络,同时与传统算法模型SVM和BP神经网络进行对比实验.实验发现,卷积神经网络模型优于这两种传统算法模型,ResNetl8模型的综合检测性能最佳,单粒有裂纹种子的识别准确率为95.04％,单粒无裂纹种子的识别准确率为98.06％,平均单粒种子识别时间为4.42 s.基于ResNetl8,搭建种子内部裂纹自动识别装置,设计识别软件控制装置,得到玉米种子内部裂纹识别系统.系统实验进行10组批量识别,有裂纹种子的平均识别准确率为94.25％,无裂纹种子的平均识别准确率为97.25％,批量识别中光源的透射无法等效地显现所有种子的内部裂纹、多次加载模型权重导致泛化性不足等因素会影响准确率.

关键词：玉米种子、内部裂纹、图像识别、卷积神经网络

所属期刊栏目：53

分类号：S226(农业机械及农具)

资助基金：国家重点研发计划2018YFD0101003

在线出版日期：2022-08-11（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：309-315