基于深度学习的马铃薯机械损伤检测方法应用研究

• 作者: 姚启晨 汪成龙 钟智威 陈国壮 陈均泳
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 深度学习 深度学习框架caffe 马铃薯 机械损伤检测
• 年，卷（期）: 2018,（20）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 118-122
• 页数: 5页
• 分类号: TN957.52
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1801862

摘要

针对人工难以区分的的马铃薯机械损伤特征的问题,提出了一种基于深度学习的马铃薯机械损伤检测方法,主要研究内容如下:1)研究基于深度学习的模型caffe的神经网络CaffeNet、GoogLeNet、AlexNet的马铃薯机械损伤识别,准确率的对比;2)研究基于MATLAB的caffe模型函数封装,将马铃薯分类模型整合到用MATLAB做的界面壳中,生成应用程序.根据以上研究,使用AlexNet、CaffeNet、GoogLeNet 3个经典的物体识别卷积神经网络对108张马铃薯图片进行识别,识别的准确率都达到了100％,表明该方法具有识别准确率高、识别速度快的特点.