文献类型：期刊文章

作　　者：王博[1] 杨洪遥[1] 陆逢贵[1] 陈子东[2] 曹振霞[1] 刘登勇[1,3]

WANG Bo;YANG Hongyao;LU Fenggui;CHEN Zidong;CAO Zhenxia;LIU Dengyong(National&Local Joint Engineering Research Center of Storage,Processing and Safety Control Technology for Fresh Agricultural and Aquatic Products,College of Food Science and Technology,Bohai University,Jinzhou 121013,China;School of Vocational and Technical Education,Harbin University of Commerce,Harbin 150028,China;Jiangsu Collaborative Innovation Center of Meat Production and Processing,Quality and Safety Control,Nanjing 210095,China)

机构地区：[1]渤海大学食品科学与工程学院,生鲜农产品贮藏加工及安全控制技术国家地方联合工程研究中心,辽宁锦州121013 [2]哈尔滨商业大学职业技术教育学院,黑龙江哈尔滨150028 [3]江苏省肉类生产与加工质量安全控制协同创新中心,江苏南京210095

出　　处：《食品与发酵工业》

基　　金：国家重点研发计划项目(2016YFD0401505);辽宁省“兴辽英才计划”项目(XLYC1 807 100);辽宁省一流学科项目(LNSPXKBD2020204,LNSPXKBD2020306)。

年　　份：2021

卷　　号：47

期　　号：1

起止页码：259-265

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为快速精准识别糖熏鸡腿在熏制过程中产生的所有颜色,基于机器视觉技术,构建Xception-CNN模型用于熏鸡腿颜色的识别,同时应用Res Net-50、Inception和传统卷积神经网络(convolutional neural networks,CNN)等3种模型对比分析Xception-CNN模型对熏鸡腿颜色的识别效果。采集并经过图像预处理后,共得到不同颜色的熏鸡腿图像4 352张,作为4种模型的实验样本,随机选取其中的3 482张作为训练组,剩下的870张作为测试组。结果表明,4种模型的平均识别准确率分别为92%(Xception-CNN)、91%(Res Net-50)、89%(Inception)、87%(传统CNN);测试时间分别为1. 36 s(Xception-CNN)、0. 81 s(Res Net-50)、0. 98 s(Inception)、2. 48 s(传统CNN)。Xception-CNN模型对糖熏鸡腿图像的颜色识别准确率最高,达到92%,测试时间略高于Res Net-50模型和Inception模型,但低于传统CNN模型,仅需1. 36 s即可完成识别,此模型可以实现糖熏鸡腿颜色的快速精准识别,为糖熏工艺参数精准调控、保障产品颜色标准化等提供可靠依据。

关 键 词：熏鸡 糖熏  颜色识别  机器视觉 多层卷积神经网络模型  

分 类 号：TS251.55] TP183[食品科学与工程类] TP391.41]