改进LeNet-5模型在大米分选算法上的应用

• 作者: 徐道际 甘骐榕 练坤玉 苏芳 董玉德
• 来源期刊: 安徽农业大学学报
• 学科: 工学
• 关键词: 机器视觉 机器学习 卷积神经网络 大米分选
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 工程技术
• 页码范围: 549-553
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13610/j.cnki.1672-352x.20190717.001

摘要

针对大米特征提取与分类的算法难以确定的问题,改进LeNet-5卷积神经网络模型并研究其在大米分选问题上的表现.首先对大米原始图像进行预处理、提取单粒大米的图像建立大米图像样本库,然后对原始的LeNet-5模型提出改进方案并进行实验,最后将改进模型与若干传统分类方法、3个轻量化卷积神经网络模型进行对比.改进LeNet-5模型大米形选准确率为97.2％,色选准确率90.6％,处理速度约5 300粒·s-1,分类效果与分类速度显著优于其他对比方法.实验结果证明,改进的LeNet-5模型可以高效分选碎米与垩白米,且能有效减少实际分选前准备工作的工作量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董玉德	合肥工业大学数字化设计与制造省级重点实验室	131	967	15.0	25.0
2	徐道际		6	1	1.0	1.0
3	苏芳	合肥工业大学数字化设计与制造省级重点实验室	5	7	2.0	2.0
4	练坤玉	合肥工业大学数字化设计与制造省级重点实验室	2	0	0.0	0.0
5	甘骐榕	合肥工业大学数字化设计与制造省级重点实验室	1	0	0.0	0.0