基于CNN和SVM分类优化的大蒜鳞芽朝向识别研究

摘要：

针对大蒜鳞芽朝上、直立栽种的特殊种植需求,研究实用性好、准确率高、抗干扰强的鳞芽朝向自动识别算法,具有重要的工程应用意义.提出基于卷积神经网络(CNN)和支持向量机(SVM)分类优化的改进算法(CNN-SVM),实现大蒜鳞芽朝向的自动识别与修正;提出SVM分类优化方案与随机参数择优、损失函数检测方法,以解决感受野小、分类效果差、过拟合等问题.研究结果表明:CNN-SVM算法的识别准确率为99.8％,单张图片识别时间为0.024 s.与经典CNN、SVM算法相比,本文所提算法对于感受野小、干扰强的识别效果更好;同时具有识别准确率高、计算规模小、对局部特征敏感等优点.不仅为大蒜自动智能播种设备的研发提供算法储备,而且可以推广应用于其他小物体识别.

关键词：大蒜鳞芽、朝向识别、卷积神经网络、支持向量机、分类优化、深度学习

所属期刊栏目：43

分类号：S223.2(农业机械及农具)

资助基金：山东省专业学位研究生教学案例库项目;山东省重点研发计划

在线出版日期：2022-06-02（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：134-139