基于改进CNN和数据扩充的苹果表面缺陷检测

摘要：

目的:提高苹果表面缺陷的检测准确率和效率.方法:基于改进卷积神经网络(CNN)和数据扩充建立苹果表面缺陷检测方法.改建CNN的拓扑结构,并将其用于苹果表面缺陷检测;利用条件生成对抗网络,合成表面无缺陷和有缺陷苹果图像,实现图像数据扩充和提高改进CNN的苹果表面缺陷的识别性能;通过模型剪枝,合理权衡苹果表面缺陷的检测准确率、检测时间及节能限制,以提高所提方法的实用性.结果:当改进CNN中的解释层选用2 048个解释性神经元时,平均检测准确率最高;条件生成对抗网络增强了苹果图像数据集的多样性;随着增强图像数在测试数据集中占比的增加,所提方法对苹果表面缺陷的检测准确率不断升高;当剪枝后的模型尺寸占原始模型尺寸的百分比从100％降至50％时,可以以6.96％的准确率损失将苹果表面缺陷的检测效率提升1倍.结论:试验方法有望在苹果生产和加工过程中实现自动化缺陷检测.

关键词：表面缺陷、苹果、改进CNN、数据扩充

所属期刊栏目：39

分类号：TP391.41;TU4;TP183

资助基金：湖南省科学技术成果评审委员会课题项目XSP2023JYC038

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：122-128,226