基于卷积神经网络和支持向量机算法的马铃薯表面缺陷检测

• 作者: 许伟栋 赵忠盖
• 来源期刊: 江苏农业学报
• 学科: 农学
• 关键词: 表面缺陷 马铃薯 机器视觉 卷积神经网络 支持向量机
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 加工贮藏·质量安全
• 页码范围: 1378-1385
• 页数: 8页
• 分类号: TP391.41|S532
• 字数: 5532字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4440.2018.06.025

摘要

马铃薯表面缺陷检测是马铃薯分级的重要组成部分.传统的马铃薯表面缺陷检测方法通常涉及到手工特征提取和特征判断,但是马铃薯生长环境复杂,缺陷种类繁多,提取合适的特征是一个难题.为了解决上述问题,本试验提出一种基于改进的卷积神经网络(Convolution Neural Networks,CNN)和支持向量机(Support Vector Ma-chine,SVM)模型的马铃薯表面缺陷检测新方法.该模型通过CNN自动提取马铃薯图片深度特征,利用特征向量训练SVM得到分类器.此外,改进的CNN中采用dropout正则化技术,能有效减小模型过拟合;加入1×1卷积层,加快模型运算时间.试验中,对CNN模型学习率和训练次数等超参数进行了对比选择,基于Adam优化算法通过GPU加速技术进行CNN模型训练;采用网格搜索算法对SVM参数进行优选.试验样本集由实验室机器视觉平台和数据增广方法所得图片组成.试验结果表明,本试验设计的CNN+SVM改进模型能解决现有研究中存在的问题,且性能优于常规CNN模型和传统检测方法,算法运行速度更快,准确率达99.20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵忠盖	江南大学轻工过程先进控制教育部重点实验室	49	218	9.0	12.0
2	许伟栋	江南大学轻工过程先进控制教育部重点实验室	3	19	2.0	3.0