基于深度学习的马铃薯畸形检测方法研究Study on Detection Method of Potato Malformation Based on Deep Learning
汪成龙;黄余凤;庄学敏;谢珩;
摘要(Abstract)：
为解决马铃薯图片的分类检测问题,提出了基于卷积神经网络的图像分类方法.利用卷积神经网络自动学习图像特征的优势解决马铃薯图像的分类问题,分别研究了基于ResNet、DenseNet和CaffeNet的神经网络模型图像分类方法,比较了不同分类方法的准确率,同时利用可视化工具提取网络中的特征图,结合测试结果对网络模型进行调整,降低图像分类的错误率,并且针对样本容量较小时易造成网络模型过拟合的缺点,采用留一法和其他方法来处理样本图片,以提高训练的网络精度.该次研究中训练的三种神经网络模型正确地对马铃薯图像特征进行了提取,网络的识别准确率较高,达到了生产检测的标准.
关键词(KeyWords)： 深度学习;卷积神经网络;图像分类
基金项目(Foundation): 国家自然科学基金项目(61401174);; 惠州市科技计划项目(2015B010002008);; 广东省普通高校青年创新人才项目(2015KQNCX156)
作者(Authors): 汪成龙;黄余凤;庄学敏;谢珩;
DOI: 10.16778/j.cnki.1671-5934.2018.03.012
参考文献(References)：
- [1]孙佳男,孙俊.融合深度特征表达与似物性采样的目标跟踪算法[J].小型微型计算机系统,2018(1):84-88.
- [2]刘凯品.基于深度卷积神经网络和无监督K均值特征的SAR图像目标识别方法研究[D].江门:五邑大学,2017.
- [3]王华利,邹俊忠,张见.基于深度卷积神经网络的快速图像分类算法[J].计算机工程与应用,2017,53(13):181-188.
- [4]周飞燕,金林鹏,董军.卷积神经网络研究综述[J].计算机学报,2017,40(6):1229-1251.
- [5]江彤彤,成金勇,鹿文鹏.基于卷积神经网络多层特征提取的目标识别[J].计算机系统应用,2017,26(12):64-70.
- [6]赵俊杰,郑兴.图像检索中的特征表示方法研究[J].现代计算机,2017(2):67-71.
- [7]陈众威.基于卷积神经网络的盲人图像触觉识别方法研究[D].郑州:河南工业大学,2017.
- [8]IANDOLA F,MOSKEWICZ M,KARAYEV S,et al.Dense Net:Implementing Efficient Conv Net Descriptor Pyramids[C].Eprint Arxiv,2014.
- [9]刘进锋.一种简洁高效的加速卷积神经网络的方法[J].科学技术与工程,2014,14(33):240-244.
- [10]杨楠.基于Caffe深度学习框架的卷积神经网络研究[D].石家庄:河北师范大学,2016.