基于卷积神经网络的油茶籽完整性识别方法

摘要：

针对现有油茶籽色选机无法识别碎籽的问题,提出一种基于卷积神经网络的油茶籽完整性识别算法.以油茶籽完整性识别为目标,构建油茶籽图像库;基于油茶籽完整性识别任务要求,通过对AlexNet网络进行优化得到适合油茶籽完整性识别的卷积神经网络模型,该网络具有4层卷积层、2层归一化层、3层池化层和1层全连接层.为了提高网络分类准确率和实时性,从网络结构简化和超参数优化两方面对卷积神经网络进行优化,最终网络结构(CO-Net)的分类准确率、训练收敛速度和泛化性能均得到了提高.实验结果表明,优化后的网络对油茶籽完整性识别准确率达98.05％,训练时间为0.58h,模型规模为1.65 MB,单幅油茶籽图像检测平均耗时13.91 ms,可以满足油茶籽在线实时分选的要求.

关键词：油茶籽、完整性、识别、卷积神经网络

所属期刊栏目：51

分类号：TS222+.1(食品工业)

资助基金：国家重点研发计划项目;赣南油茶产业开发协同创新中心开放基金项目

在线出版日期：2020-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：13-21