基于改进型LeNet-5的苹果自动分级方法

摘要：

针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率.试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3.同时将此与GoogLeNet迁移模型、初始LeNet-5模型、传统机器学习进行对比.试验对不同等级的红富士苹果进行训练与测试,发现改进后的LeNet-5效果最好,测试集准确率达98.37％、AUC值为0.907 5,识别一个苹果仅需0.12 s,能够满足工厂自动化分级的需求.综上,改进型LeNet-5模型可用于苹果的高效分级.

关键词：苹果分级、改进型LeNet-5、卷积神经网络、深度学习

所属期刊栏目：41

分类号：S24;TP183(农业电气化与自动化)

资助基金：国家自然科学基金项目81803234

在线出版日期：2020-09-11（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：105-110