基于全卷积神经网络的荔枝表皮缺陷提取

• 作者: 刘威威 曾泽钦 李嘉威 王佳盛 邹湘军 陈燕
• 来源期刊: 华南农业大学学报
• 学科: 农学
• 关键词: 荔枝 图像处理 缺陷提取 深度学习 全卷积神经网络 品质检测
• 年，卷（期）: 2018,（6）
• 页码范围: 104-110
• 页数: 7页
• 分类号: S24|TP391.41
• 字数: 4173字
• 语种: 中文
• DOI: 10.7671/j.issn.1001-411X.2018.06.016

摘要

[目的]增强荔枝表皮缺陷提取效果,满足其品质检测分级准确性要求.[方法]采用Tensorflow框架构建基于AlexNet的全卷积神经网络AlexNet-FCN,以ReLU为激活函数,Max-pooling为下采样方法,Softmax回归分类器的损失函数作为优化目标,建立荔枝表皮缺陷提取的全卷积神经网络模型,并用批量随机梯度下降法对模型进行优化.[结果]模型收敛后在验证集上裂果交并比(IoUd)为0.83,褐变交并比(IoUb)为0.60,褐变与裂果的总体交并比(IoUa)为0.68;与利用线性SVM、朴素贝叶斯分类器缺陷提取效果相比,该模型的特征提取能力显著提高.[结论]全卷积神经网络在水果表面缺陷提取中具有良好的应用前景.