基于改进卷积自编码机的油茶果图像识别研究

摘要：

为进一步提高油茶果识别的速度与精度,提出一种基于改进卷积自编码机神经网络的油茶果图像识别方法.该方法以非对称分解卷积核提高训练速度,以输出端重构输入端的直连训练方式减少信息损失;利用改进的自编码机训练不同颜色通道的图像,随后在共享层中利用金字塔池化算法融合高阶特征,利用softmax算法构建分类器.结合selective-search算法生成候选区域,并对其进行筛选,利用训练好的网络设计油茶果果实图像检测器验证算法的实用性.改进算法100次迭代所需时间为166 s,平均识别准确率为90.4％;改进模型收敛性能较好,学习能力强,经过10次迭代之后即可达到85％的识别准确率,在样本数目为200的小数据集上可达到82％的识别准确率;同时,检测器的搭建验证了算法的有效性,在2s内即可实现对单张实际图像上目标区域的检测,总体识别精度为87％,使得算法具有一定的实时检测能力.试验结果证明,改进后的算法具有较高的识别准确率与学习能力,以及一定的实用性,可为油茶果图像识别提供参考.

关键词：油茶果、图像识别、深度学习、卷积神经网络、自编码机

所属期刊栏目：4

分类号：TP391.4(计算技术、计算机技术)

资助基金：湖南省科技计划重点研发项目2016NK2142;湖南省高校科技创新团队支持计划2014207

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：118-124