首页|自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术

自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统基于内容的识别方法在特征提取方面存在计算复杂、特征不可迁移等问题,为避免光照条件、重叠及其他遮挡等因素对图像识别的影响,以LeNet卷积神经网络作为基础,对其结构进行改进,设计了一种基于改进LeNet卷积神经网络的苹果目标识别模型,并利用该模型对不同场景的苹果图像进行识别训练与验证.结果表明:该网络模型可有效实现苹果图像的识别,对独立果实、遮挡果实、重叠果实以及相邻果实的识别率分别为96.25％,91.37％,94.91％,89.56％,综合识别率达到93.79％.与其他方法相比,该算法具有较强的抗干扰能力,图像识别速度快、识别率更高.
Research on apple image recognition technology based on improved LeNet convolution neural network in natural scene

程鸿芳、张春友

展开 >

芜湖职业技术学院,安徽 芜湖 241000

内蒙古民族大学机械工程学院,内蒙古 通辽 028043

图像识别 目标识别 卷积神经网络 LeNet

2017年安徽省高校科学研究项目2017年高校优秀青年人才支持计划项目2016年安徽省质量工程项目芜湖职业技术学院科技创新团队

KJ2017A560gxyqZD20171412016ckjh224Wzykj2018A02

2019

食品与机械
长沙理工大学

食品与机械

CSTPCD北大核心
影响因子：0.89
ISSN：1003-5788
年,卷(期)：2019.35(3)
  • 7
  • 9