文献类型：期刊文章

作　　者：何进荣[1,2] 石延新[1] 刘斌[2,3] 何东健[2,3]

HE Jinrong;SHI Yanxin;LIU Bin;HE Dongjian(College of Mathematics and Computer Science,Yan’an University,Yan’an 716000,China;Key Laboratory of Agricultural Internet of Things,Ministry of Agriculture and Rural Affairs,Yangling,Shaanxi 712100,China;Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Service,Yangling,Shaanxi 712100,China)

机构地区：[1]延安大学数学与计算机科学学院,延安716000 [2]农业农村部农业物联网重点实验室,陕西杨凌712100 [3]陕西省农业信息感知与智能服务重点实验室,陕西杨凌712100

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(61902339);陕西省自然科学基础研究计划项目(2021JM-418);延安大学博士科研启动项目(YDBK2019-06);延安市科技专项项目(2019-01、2019-13);谷歌支持教育部产学合作协同育人项目(202002107065);延安大学大学生创新创业训练计划项目(S202010719116、DCZX2019-02、S202010719068)。

年　　份：2021

卷　　号：52

期　　号：7

起止页码：379-385

语　　种：中文

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

摘　　要：针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法(多卷积神经网络融合DXNet模型)。首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合。试验评估采用15000幅图像进行训练、4500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84%,验证了本文方法用于苹果外部品质分级的有效性。

关 键 词：苹果 外部品质分级  深度学习  计算机视觉 模型融合  

分 类 号：TP391.4]