基于改进残差网络的红枣缺陷检测分类方法研究

摘要：

提出了一种基于深度残差网络对红枣表面缺陷以及纹理识别的分类算法,将红枣RGB彩色图的G分量图进行预处理后得到的特征图作为网络的输入,采用残差学习的方式扩大神经网络的学习深度,并将残差神经网络的激活函数Relu替换为SELU,对损失函数softmax loss用center loss进行替换,训练时引入Dropout层降低网络过拟合风险,解决了随着学习深度加深网络中梯度弥散和爆炸的现象.研究结果表明:该分类方法准确率达96.11％,检测效率约为120个/min.

关键词：红枣、残差网络、缺陷检测、激活函数、损失函数

所属期刊栏目：36

资助基金：陕西省重点研发计划项目编号:2019GY-024

在线出版日期：2020-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：161-165