首页|基于GoogLeNet深度迁移学习的苹果缺陷检测方法

基于GoogLeNet深度迁移学习的苹果缺陷检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测.检测结果表明,本文方法对扩充后的1 932个训练样本的识别准确率为100％,对235个测试样本的识别准确率为91.91％.为评估目前苹果缺陷检测常用算法的性能,将GoogLeNet与浅层卷积神经网络(AlexNet和改进型LeNet-5)及传统机器学习方法(K-NN、RF、SVM)进行了对比,结果表明,与苹果缺陷检测的常用算法相比,本文方法具有更好的泛化能力与鲁棒性.
Defect Detection Method of Apples Based on GoogLeNet Deep Transfer Learning

薛勇、王立扬、张瑜、沈群

展开 >

中国农业大学食品科学与营养工程学院,北京100083

中国农业大学国家果蔬加工工程技术研究中心,北京100083

中国农业大学信息与电气工程学院,北京100083

中国农业大学植物蛋白与谷类加工北京市重点实验室,北京100083

展开 >

苹果 缺陷检测 GoogLeNet 深层卷积神经网络

国家自然科学基金

81803234

2020

农业机械学报
中国农业机械学会 中国农业机械化科学研究院

农业机械学报

CSTPCDCSCD北大核心EI
影响因子：1.904
ISSN：1000-1298
年,卷(期)：2020.51(7)
  • 45
  • 10