領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
目前馬鈴薯外部缺陷檢測方法主要依靠人工提取特征，且檢測精度不高，為了更好地對(duì)馬鈴薯外部缺陷進(jìn)行快速、準(zhǔn)確在線分級(jí)，本實(shí)驗(yàn)提出一種基于輕量卷積網(wǎng)絡(luò)的在線分級(jí)方法。首先，利用ImageNet數(shù)據(jù)集訓(xùn)練Xception網(wǎng)絡(luò)模型，建立馬鈴薯預(yù)訓(xùn)練網(wǎng)絡(luò)模型；然后，重新構(gòu)建5 類缺陷全連接層，并通過遷移學(xué)習(xí)在預(yù)訓(xùn)練網(wǎng)絡(luò)模型上訓(xùn)練馬鈴薯缺陷數(shù)據(jù)集；最后，基于外部缺陷識(shí)別模型分別測試5 類缺陷的分級(jí)性能。結(jié)果表明，學(xué)習(xí)率為0.000 01時(shí)，網(wǎng)絡(luò)模型整體性能最優(yōu)，訓(xùn)練準(zhǔn)確率為98.88%，損失值為0.034 9；在相同樣本條件下，與9 種不同深度的網(wǎng)絡(luò)進(jìn)行對(duì)比，本實(shí)驗(yàn)構(gòu)建的輕量級(jí)網(wǎng)絡(luò)模型識(shí)別效果最好，平均識(shí)別準(zhǔn)確率達(dá)到96.04%，且運(yùn)行時(shí)間比識(shí)別效果較好的ResNet152網(wǎng)絡(luò)更短，本實(shí)驗(yàn)網(wǎng)絡(luò)模型的識(shí)別速率為6.4 幅/s，本研究結(jié)果可為馬鈴薯在線分級(jí)提供理論支持。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
