本文主要研究内容
作者徐文龙（2019）在《基于卷积神经网络的红枣外观品质分级方法研究》一文中研究指出：红枣营养极为丰富,是重要的滋补和药用食品,同时也是重要的食品工业原料。然而,在红枣采摘和运输的过程中,遭受虫害、浆烂、裂口和破损的红枣,容易发生交叉感染,严重影响到整体红枣的质量,并且直接关系到果农和整个红枣产业的经济效益。因此,红枣品质分类成为红枣进行储存、运输和深加工的首要和关键环节。目前,国内主要通过人工对红枣品质进行分选,存在劳动强度大、成本高、效率低等缺点,分类准确率和卫生质量难以得到保障。为了迎合市场和企业需求,找到一种自动、高效、无损的红枣品质分类方法,成为解决红枣外观品质分类问题的关键。针对红枣外观品质进行分级的工作,本文提出一种基于双分支深度融合卷积神经网络(Double Branch Deep Fusion,DDFnet)的红枣外观品质分级方法。首先,将卷积神经网络设计为双分支结构,第1条分支网络结合迁移学习策略,利用在大型数据集ImageNet上训练生成的SqueezeNet网络模型对卷积神经网络进行预训练。第2条分支网络,在轻量级网络SqueezeNet结构的基础上,通过将Fire模块内部squeeze与expand卷积层输出特征图进行融合,从而构成Fusion模块,并将相邻Fusion模块输出的特征图进行融合,增加特征图流动的分支数目和融合次数。同时在网络结构中引入BN批量归一化层和PReLU激活层,加快网络的收敛速率。然后,通过该卷积神经网络对红枣图像数据集进行训练,提取不同红枣品质图像特征,生成训练模型,并完成红枣品质识别的多分类任务。最后,利用生成的模型对测试集红枣样本进行测试,该模型在对饱满枣、干条枣、裂口枣和缺陷枣的分类识别上,分别表现出了99.6%、99.8%、98.5%和99.2%的准确率。实验结果表明,该模型在红枣外观品质分类上表现出了良好的性能。
Abstract
gong zao ying yang ji wei feng fu ,shi chong yao de zi bu he yao yong shi pin ,tong shi ye shi chong yao de shi pin gong ye yuan liao 。ran er ,zai gong zao cai zhai he yun shu de guo cheng zhong ,zao shou chong hai 、jiang lan 、lie kou he po sun de gong zao ,rong yi fa sheng jiao cha gan ran ,yan chong ying xiang dao zheng ti gong zao de zhi liang ,bing ju zhi jie guan ji dao guo nong he zheng ge gong zao chan ye de jing ji xiao yi 。yin ci ,gong zao pin zhi fen lei cheng wei gong zao jin hang chu cun 、yun shu he shen jia gong de shou yao he guan jian huan jie 。mu qian ,guo nei zhu yao tong guo ren gong dui gong zao pin zhi jin hang fen shua ,cun zai lao dong jiang du da 、cheng ben gao 、xiao lv di deng que dian ,fen lei zhun que lv he wei sheng zhi liang nan yi de dao bao zhang 。wei le ying ge shi chang he qi ye xu qiu ,zhao dao yi chong zi dong 、gao xiao 、mo sun de gong zao pin zhi fen lei fang fa ,cheng wei jie jue gong zao wai guan pin zhi fen lei wen ti de guan jian 。zhen dui gong zao wai guan pin zhi jin hang fen ji de gong zuo ,ben wen di chu yi chong ji yu shuang fen zhi shen du rong ge juan ji shen jing wang lao (Double Branch Deep Fusion,DDFnet)de gong zao wai guan pin zhi fen ji fang fa 。shou xian ,jiang juan ji shen jing wang lao she ji wei shuang fen zhi jie gou ,di 1tiao fen zhi wang lao jie ge qian yi xue xi ce lve ,li yong zai da xing shu ju ji ImageNetshang xun lian sheng cheng de SqueezeNetwang lao mo xing dui juan ji shen jing wang lao jin hang yu xun lian 。di 2tiao fen zhi wang lao ,zai qing liang ji wang lao SqueezeNetjie gou de ji chu shang ,tong guo jiang Firemo kuai nei bu squeezeyu expandjuan ji ceng shu chu te zheng tu jin hang rong ge ,cong er gou cheng Fusionmo kuai ,bing jiang xiang lin Fusionmo kuai shu chu de te zheng tu jin hang rong ge ,zeng jia te zheng tu liu dong de fen zhi shu mu he rong ge ci shu 。tong shi zai wang lao jie gou zhong yin ru BNpi liang gui yi hua ceng he PReLUji huo ceng ,jia kuai wang lao de shou lian su lv 。ran hou ,tong guo gai juan ji shen jing wang lao dui gong zao tu xiang shu ju ji jin hang xun lian ,di qu bu tong gong zao pin zhi tu xiang te zheng ,sheng cheng xun lian mo xing ,bing wan cheng gong zao pin zhi shi bie de duo fen lei ren wu 。zui hou ,li yong sheng cheng de mo xing dui ce shi ji gong zao yang ben jin hang ce shi ,gai mo xing zai dui bao man zao 、gan tiao zao 、lie kou zao he que xian zao de fen lei shi bie shang ,fen bie biao xian chu le 99.6%、99.8%、98.5%he 99.2%de zhun que lv 。shi yan jie guo biao ming ,gai mo xing zai gong zao wai guan pin zhi fen lei shang biao xian chu le liang hao de xing neng 。
论文参考文献
论文详细介绍
论文作者分别是来自天津工业大学的徐文龙，发表于刊物天津工业大学2019-07-05论文，是一篇关于红枣论文,多分类论文,卷积神经网络论文,迁移学习论文,双分支论文,融合模块论文,天津工业大学2019-07-05论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自天津工业大学2019-07-05论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：红枣论文; 多分类论文; 卷积神经网络论文; 迁移学习论文; 双分支论文; 融合模块论文; 天津工业大学2019-07-05论文;