基于迁移学习的肠衣质量检测

为了对生产后的肠衣准确快速的分类,研究了一种基于ResNet50模型的迁移学习网络模型。通过构建神经网络模型,以及从合作工厂获得肠衣样本,并按实际质量制作成A,B,C,D四个等级的数据集总共2 000张。在ResNet50模型的基础上设计全新的全连接层。并按7∶1的比例分成训练集和测试集。实验可知,迁移学习的准确率为99%远好于普通深度学习模型的准确率94%,准确率有明显的提高。最后将训练好的模型利用Python图形工具pyqt制作成用户界面,便于实际应用。该研究建立的基于迁移学习的肠衣质量检测系统,可实现对肠衣质量快速准确的分类,减轻了人力成本,为以后肠衣质量检测提供了依据。