首页|基于轻量级卷积神经网络的苹果表面缺陷检测方法

基于轻量级卷积神经网络的苹果表面缺陷检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了解决目前农业信息领域对苹果表面缺陷检测准确率低的问题,提出一种基于轻量级卷积神经网络的苹果表面缺陷检测方法.首先采集苹果缺陷样本图片制作实验数据集用于模型训练和测试;其次在AlexNet网络结构的基础上,引入深度可分离卷积代替原有网络中的标准卷积运算来进行图像特征的提取;最后利用全局平均池化方法代替原有网络中的全连接层,从而将卷积层输出的多个特征图以自身为单位进行映射得到特征点.实验结果表明:改进后网络对苹果缺陷识别精度达到了98.57％,较改进前提升1.55％;较改进前模型参数量减少99.3％、训练速度提高32.67％、FPS提高33.28％,改进后的轻量级卷积神经网络不仅减少了模型参数量和训练时间,而且提高了检测精度和速度.因此,新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,具有较强的工程实用性,可为苹果缺陷分类提供理论参考.
Apple surface defect detection method based on lightweight convolutional neural network

周雨帆、李胜旺、杨奎河、白宇、宋子盈

展开 >

河北科技大学信息科学与工程学院,河北石家庄 050018

计算机神经网络 卷积神经网络 表面缺陷检测 深度可分离卷积 全局平均池化

F2019208305

2021

10.7535/hbgykj.2021yx05006

河北工业科技
河北科技大学

河北工业科技

CSTPCD
影响因子：0.694
ISSN：1008-1534
年,卷(期)：2021.38(5)
  • 10
  • 7