-
题名基于GoogLeNet的稻米品种识别与碎米检测
被引量:4
- 1
-
-
作者
陈文博
刘昌华
刘春苔
孙开琼
-
机构
武汉轻工大学数学与计算机学院
-
出处
《中国粮油学报》
CAS
CSCD
北大核心
2023年第2期146-152,共7页
-
基金
湖北省自然科学基金项目(2016CBF470)
湖北省教研项目(2021351)。
-
文摘
稻米是我国人民食用的主要粮食作物,因此稻米的品种识别与质量检测有着重要的意义。在以前,通常使用的是人工的方式用眼睛观察来识别不同品种的稻米,这种方法效率低下,而且容易受主观的影响导致识别出错,从而影响准确率。本文基于MATLAB平台设计一套稻米品种识别系统,首先使用图像处理将实际拍摄稻米图片进行目标检测和提取,再采用迁移学习的方式训练GoogLeNet深度神经网络模型对稻米图片进行识别,该模型还能检测出每一粒稻米是否为整精米,且识别准确率可达到96.46%。在相同训练参数下对比VGG19训练结果,验证精度提高1.46%,调整数据量探究其对模型性能影响,模型准确率随着数据集增大而提高,精度维持在94.17%以上。
-
关键词
稻米
googlenet
迁移学习
深度神经网络
-
Keywords
rice
goog lenet
transfer learning
deep neural network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TS210.7
[轻工技术与工程—粮食、油脂及植物蛋白工程]
-