玉米籽粒完整性识别的深度学习方法

为满足正确识别玉米籽粒完整性的需要,提出一种基于深度卷积神经网络的智能识别方法。本网络结合池化和降采样操作,基于卷积原理进行构建。通过对直接输入的灰度图像进行卷积操作,逐层挖掘图像的深层特征,实现对单玉米籽粒图像的特征抽象和特征降维,再通过一个全连接网络,智能识别单玉米籽粒完整性特征。采用反向传播网络对相同的样本进行对照实验。实验结果表明,深度卷积神经网络能对籽粒图像进行有效地特征降维,使深度学习网络达到较高的识别准确率,满足准确识别玉米籽粒完整性特征的需要。

基于形态学特征的对虾完整性识别方法构建

目的针对对虾加工过程中缺损对虾混入完整对虾从而降低对虾产品外观品质的问题,构建基于形态学特征的对虾完整性识别方法。方法首先,使用灰度差异法处理对虾图像,经过连通域、中值滤波等形态学操作后,得到较为完整的感兴趣区域图像,再对其采取二值化、轮廓化等操作;然后,对轮廓提取骨架线,并求轮廓内最大内切圆直径以得到长宽比特征,并求其圆度特征;最后,将以上2个特征作为判别对虾完整性的核心指标,构建融合特征判别算法。结果本研究所提算法应用于1063幅生鲜虾测试集图像中识别准确率达到99.25%,相比于传统曲率法,识别准确率提升了6.48%,识别时间降低了1598.6ms。结论该方法具有较大优势和应用前景,为开发大规模南美白对虾在线品质的无损检测装备提供关键技术。