基于卷积神经网络的花生籽粒完整性识别算法及应用

被引：33

作者：

赵志衡 ^{[1
]}

宋欢 ^{[1
]}

朱江波 ^{[1
]}

卢雷 ^{[1
]}

孙磊 ^{[2
]}

机构：

[1] 哈尔滨工业大学电气工程及自动化学院

[2] 上海安西机械制造有限公司

来源：

农业工程学报 | 2018年 / 34卷 / 21期

关键词：

农产品; 图像处理; 识别; 卷积神经网络; 特征提取; 色选系统; 花生颗粒筛选;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对现有色选设备在花生颗粒筛选过程中处理速度慢、准确率低的缺点,提出基于卷积神经网络的花生籽粒完整性识别算法。以完好花生、表皮破损花生和果仁破损花生的分类为例,构建花生图像库;搭造卷积神经网络,提取花生图像特征;为提高分类准确率和实时性,从训练集构成、减小过拟合、加快训练收敛速度、简化网络结构等几方面对卷积神经网络进行优化;最终利用含2个卷积层、2个池化层、2个全连接层的3层神经网络实现了上述3类花生的分类。试验结果表明:该方法对花生分类的准确率达到98.18%,平均检测一幅单粒花生图像的时间为18ms,与现有色选设备相比有效提高了色选设备筛选的准确率和实时性。

引用

页码：195 / 201

页数：7

共 26 条

[1] 自适应高斯滤波图像去噪算法 [J].