首页|基于数据平衡和深度学习的开心果品质视觉检测方法

基于数据平衡和深度学习的开心果品质视觉检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为探究数据集中分类数量的平衡性对开心果品质检测的影响,将开心果图像与深度学习网络相结合,提出一种数据自动平衡的检测方法.根据行业标准将开心果数据集分为开口、闭口和缺陷3类,在此基础上再分为未经数据平衡和经过数据平衡2个数据集,分别使用AlexNet、GoogLeNet、ResNet50、SqueezeNet、ShuffleNet和Xception 6种网络对2类数据集进行分类测试.结果表明,经过数据平衡的数据集网络准确率均得到了提高,6种网络平均测试准确率由96.75％提高到99.26％,SqueezeNet网络的测试集准确率提升最明显,由93.76％提高到99.02％,ResNet50网络的测试准确率最高,为99.96％.本文方法可用于开心果品质视觉检测.
Pistachio Visual Detection Based on Data Balance and Deep Learning

高霁月、倪建功、杨昊岩、韩仲志

展开 >

青岛农业大学理学与信息科学学院,青岛266109

开心果 深度学习 数据平衡 视觉检测

318728492019GNC1060372020KJF00419-6-1-66-nsh19-6-1-72

2021

10.6041/j.issn.1000-1298.2021.07.040

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
影响因子：1.904
ISSN：1000-1298
年,卷(期)：2021.52(7)
  • 6
  • 18