摘要
目前马铃薯外部缺陷检测方法主要依靠人工提取特征,且检测精度不高,为了更好地对马铃薯外部缺陷进行快速、准确在线分级,本实验提出一种基于轻量卷积网络的在线分级方法.首先,利用ImageNet数据集训练Xception网络模型,建立马铃薯预训练网络模型;然后,重新构建5类缺陷全连接层,并通过迁移学习在预训练网络模型上训练马铃薯缺陷数据集;最后,基于外部缺陷识别模型分别测试5类缺陷的分级性能.结果表明,学习率为0.00001时,网络模型整体性能最优,训练准确率为98.88％,损失值为0.0349;在相同样本条件下,与9种不同深度的网络进行对比,本实验构建的轻量级网络模型识别效果最好,平均识别准确率达到96.04％,且运行时间比识别效果较好的ResNet152网络更短,本实验网络模型的识别速率为6.4幅/s,本研究结果可为马铃薯在线分级提供理论支持.
国家科技期刊平台
NSTL
维普
万方数据