基于卷积神经网络干瘪核桃X射线图像判别

核桃内部品质良莠不齐会使其市场利润降低,现有检测方式不仅劳动成本高,效率低,且无法对核桃内部干瘪程度进行判别,因此,迫切需要一种无损、快速、准确的检测方式及判别方法。采用X射线技术获取核桃内部图像,采用图像处理软件Photoshop对核桃与核桃仁投影面积进行比值计算,确定3类不同干瘪程度的核桃,分别为内部存在略干瘪、过干瘪的核桃与正常核桃,采用3种核桃构建干瘪核桃数据集。基于卷积神经网络(CNN)结构,利用Alexnet、视觉几何群网络(VGG16)、MobileNetV2与残差网络(ResNet50)分别构建核桃内部干瘪程度判别模型。根据3种模型对干瘪核桃数据集分类的预测损失值、预测准确率、测试准确率与Epoch均次用时进行性能分析确定最优模型,并进行参数优化。结果表明,MobileNetV2模型在学习率为0.0001,批处理为32时,网络性能最佳,预测准确率达98.65%,测试准确率为93.40%。