10.13652/j.issn.1003-5788.2022.01.021
基于ResNeXt与迁移学习的干制哈密大枣果梗/花萼及缺陷识别
目的:解决目前红枣检测过程中果梗/花萼容易被误识别为缺陷枣的问题.方法:提出一种基于深度学习和图像处理的干制哈密大枣果梗/花萼及缺陷识别方法.通过改进深度残差网络ResNeXt-50,采用感兴趣区域提取方法和迁移学习技术提出一种TL-ROI-X-ResNext-50分类模型,实现干制哈密大枣果梗/花萼及缺陷分类.结果:通过模型试验对比,感兴趣区域提取方法和迁移学习技术可以减少模型计算成本,提高准确率,模型识别准确率可达94.17%.结论:该方法可初步满足干制哈密大枣果梗/花萼及缺陷在线检测装备的生产需求.
哈密大枣;图像识别;深度残差网络;迁移学习;感兴趣区域
38
国家自然科学基金61763043
2022-03-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
135-140