基于改进卷积神经网络的食品异物自动识别方法

目的:提高食品中异物识别速度和精度。方法:在LeNet-5网络结构的基础上增加批量归一化层和Dropout层得到改进的CNN模型,利用此模型建立识别系统用于食品图像中异物自动识别。通过试验对所建模型性能进行分析。结果:与传统的模型相比,该模型具有更高的检测精度和更快的识别速度,食品异物的识别准确率为99.75%,识别时间仅为0.332 s。结论:建立的饺子图像异物识别模型具有较好的检测速度和识别精度。