基于改进CNN的苹果缺陷检测方法研究

摘要：

目的:解决现有苹果缺陷检测方法存在的精度低、效率差等问题.方法:基于水果图像采集系统,提出一种改进的卷积神经网络用于苹果表面缺陷检测;引入深度可分离卷积代换原网络标准卷积,提高特征提取速度;引入Leaky ReLU激活函数代替ReLU激活函数,提高计算效率和精度;引入全局平均池化替换全连接层,降低网络模型的计算量;并在每层卷积后加入批量归一化层,通过试验与常规方法进行对比分析,验证其优越性.结果:与常规方法相比,所提方法在苹果缺陷检测中具有较高的检测准确率和速度,且模型参数量少,准确率达99.60％,检测速度(每秒帧数)达526,模型参数量为389 072.结论:该苹果缺陷检测方法能有效降低模型参数和检测时间,具有较高的准确率和速度.

关键词：缺陷检测、苹果、卷积神经网络、深度可分离卷积、Leaky ReLU激活函数、全局平均池化

所属期刊栏目：39

资助基金：河南省高等学校青年骨干教师培养计划;河南省教育厅教学改革研究与实践项目

在线出版日期：2023-08-22（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：155-160