基于DXNet模型的富士苹果外部品质分级方法研究

摘要：

针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法(多卷积神经网络融合DXNet模型).首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15 000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合.试验评估采用15 000幅图像进行训练、4 500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84％,验证了本文方法用于苹果外部品质分级的有效性.

关键词：苹果;外部品质分级;深度学习;计算机视觉;模型融合

所属期刊栏目：52

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目;陕西省自然科学基础研究计划项目;延安大学博士科研启动项目;延安市科技专项项目;谷歌支持教育部产学合作协同育人项目;延安大学大学生创新创业训练计划项目

在线出版日期：2021-08-17（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：379-385