基于深度学习的香蕉成熟度自动分级

摘要：

目的:快速、准确分类香蕉成熟度.方法:采集不同成熟度的香蕉图像并建立图库,利用多种神经网络作为分类器提取香蕉特征,通过迁移学习对香蕉6个成熟度等级进行分类,并对最适合进行香蕉成熟度分类的网络模型进行改进,设计简易香蕉成熟度实时检测界面,最后验证模型的可行性和实用性.结果:AlexNet模型最适合用于香蕉成熟度分类,准确率最高,可达到95.56％;通过修改其全连接层结构改进AlexNet模型,模型准确率再提升1.11％.结论:AlexNet模型可快速准确识别并分类不同成熟度的香蕉.

关键词：香蕉、成熟度、自动分级、迁移学习

所属期刊栏目：38

分类号：TP391.41;TP181;TS251.52

资助基金：广西高校中青年教师科研基础能力提升项目2020KY36006

在线出版日期：2023-01-06（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：149-154