摘要
文章借助烟叶的高光谱数据对烤烟分级因素数字化解析和主流烤烟分级方法展开优劣性分析,提出了一套基于卷积神经网络部位和颜色分类的综合性分级方法.研究采用 256 段波段高光谱相机获取数据信息,通过调取RGB波段映射RGB颜色空间,完成数据集的预处理,并通过卷积神经网络训练模型参数,浓缩为实际贴合性最强的C2F、C3F、C3L、B2F、B3F及X2F的分类结果,同时通过严格要求规范化环境、白板校对的方式有效降低了误差率.结果表明,相较于其他对比算法,算法准确率的最大提升比例为 15.1%,算法准确率为 97.54%,算法能够在较短迭代次数中实现模型收敛,算法预测执行时间在 7 s以内,可以满足实际生产需求.
NETL
NSTL
万方数据