文献类型：期刊文章

作　　者：谢为俊[1] 丁冶春[2,3] 王凤贺[1] 魏硕[1] 杨德勇[1]

XIE Weijun;DING Yechun;WANG Fenghe;WEI Shuo;YANG Deyong(College of Engineering,China Agricultural University,Beijing 100083,China;School of Pharmacy,Gannan Medical University,Ganzhou 341000,China;Collaborative Innovation Center for Gannan Oil Tea Camellia Industrial Development,Gannan Medical University,Ganzhou 341000,China)

机构地区：[1]中国农业大学工学院,北京100083 [2]赣南医学院药学院,赣州341000 [3]赣南医学院赣南油茶产业开发协同创新中心,赣州341000

出　　处：《农业机械学报》

基　　金：国家重点研发计划项目(2018YFDO700102-02);赣南油茶产业开发协同创新中心开放基金项目(YP201611)。

年　　份：2020

卷　　号：51

期　　号：7

起止页码：13-21

语　　种：中文

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

摘　　要：针对现有油茶籽色选机无法识别碎籽的问题,提出一种基于卷积神经网络的油茶籽完整性识别算法。以油茶籽完整性识别为目标,构建油茶籽图像库;基于油茶籽完整性识别任务要求,通过对AlexNet网络进行优化得到适合油茶籽完整性识别的卷积神经网络模型,该网络具有4层卷积层、2层归一化层、3层池化层和1层全连接层。为了提高网络分类准确率和实时性,从网络结构简化和超参数优化两方面对卷积神经网络进行优化,最终网络结构(CO-Net)的分类准确率、训练收敛速度和泛化性能均得到了提高。实验结果表明,优化后的网络对油茶籽完整性识别准确率达98.05%,训练时间为0.58 h,模型规模为1.65 MB,单幅油茶籽图像检测平均耗时13.91 ms,可以满足油茶籽在线实时分选的要求。

关 键 词：油茶籽 完整性 识别  卷积神经网络

分 类 号：TS222.1]