首页|基于改进的GoogLeNet鸭蛋表面缺陷检测

基于改进的GoogLeNet鸭蛋表面缺陷检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
文章提出了一种基于改进的GoogLeNet(GoogLeNet-Mini)的鸭蛋表面缺陷检测方法,并对比其他3种神经网络GoogLeNet、VGG16和AlexNet.结果表明,4种网络的测试集准确率分别为95.88％,94.16％,92.75％,85.43％.GoogLeNet-Mini对测试集3类鸭蛋(正常、脏污、破损)的检测准确率分别为98.43％,97.45％,95.88％.与GoogLeNet、VGG16和AlexNet相比,GoogLeNet-Mini具有更高的准确率,更好的泛化性与鲁棒性,且对3类鸭蛋的检测准确度均能达到生产要求,检测范围适用于脏污面积超过5％,破损面积超过2％的鸭蛋.
Duck egg surface defect detection based on improved GoogLeNet

肖旺、杨煜俊、申启访、单森森、黄越

展开 >

广东工业大学机电工程学院,广东 广州 510006

鸭蛋 表面缺陷 GoogLeNet-Mini 神经网络

广东省重点领域研发项目广州市科技计划项目

2019B090916002201902010054

2021

10.13652/j.issn.1003-5788.2021.06.027

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)：2021.37(6)
  • 7
  • 19