文献类型：期刊文章

作　　者：孟惜[1] 苑迎春[1] 刘博[1] 刘天真[1,2] 幺炜[1]

MENG Xi;YUAN Yingchun;LIU Bo;LIU Tianzhen;YAO Wei(College of Information Science and Technology,Hebei Agricultural University,Baoding 071000,China;College of Information Engineering,Baoding University,Baoding 07100,China)

机构地区：[1]河北农业大学信息科学与技术学院,河北保定071001 [2]保定学院信息工程学院,河北保定071001

出　　处：《河北农业大学学报》

基　　金：河北省自然科学基金(F20200204009);河北省重点研发计划项目(203274004D);河北农业大学自主培养人才科研专项(PY201810);河北省研究生创新资助项目(CXZZBS2020099).

年　　份：2022

卷　　号：45

期　　号：2

起止页码：107-113

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2021_2022、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：针对自然环境下枣品种分类问题,提出了1种基于特征融合的枣品种快速识别方法。该方法考虑了枣果特征与枣叶片形状、纹理特征,构建了三分支并行卷积神经网络结构,其中3个分支均在ResNet-18网络的基础上进行训练并提取相应的特征,然后将枣叶片的两类特征相加,再将其和枣果特征进行拼接融合,最后通过全连接层实现枣品种的分类。实验结果表明,三分支卷积神经网络模型与单、双分支网络模型相比,分类准确率提高到了91.68%。本文提出的识别模型能有效避免相似枣果形状干扰而导致识别错误的问题,可提高自然环境下枣品种的识别准确率。

关 键 词：枣品种识别  卷积神经网络 特征融合  

分 类 号：TP391.4]