文献类型：期刊文章

作　　者：祝诗平[1] 卓佳鑫[1] 黄华[1,2] 李光林[1]

ZHU Shiping;ZHUO Jiaxin;HUANG Hua;LI Guanglin(College of Engineering and Technology,Southwest University,Chongqing 400716,China;College of Engineering,Kansas State University,Manhattan KS 66502,USA)

机构地区：[1]西南大学工程技术学院,重庆400716 [2]堪萨斯州立大学工程学院,曼哈顿KS66502

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(31971782);中央高校基本科研业务费专项资金项目(XDJK2019C081)。

年　　份：2020

卷　　号：51

期　　号：5

起止页码：36-42

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet5、AlexNet、VGG16和ResNet34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92.25%;4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98.02%,识别速率为0.827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26.3 s,其中,图像采集过程平均用时21.2 s,图像处理与识别过程平均用时为5.1 s,平均识别准确率为96.67%。

关 键 词：小麦籽粒 完整性 图像识别 卷积神经网络 检测系统  

分 类 号：TP391.41]