自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术

• 作者: 张春友 程鸿芳
• 来源期刊: 食品与机械
• 关键词: 图像识别 目标识别 卷积神经网络 LeNet
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 贮运与保鲜
• 页码范围: 155-158
• 页数: 4页
• 字数: 3478字
• 语种: 中文
• DOI: 10.13652/j.issn.1003-5788.2019.03.028

摘要

针对传统基于内容的识别方法在特征提取方面存在计算复杂、特征不可迁移等问题,为避免光照条件、重叠及其他遮挡等因素对图像识别的影响,以LeNet卷积神经网络作为基础,对其结构进行改进,设计了一种基于改进LeNet卷积神经网络的苹果目标识别模型,并利用该模型对不同场景的苹果图像进行识别训练与验证.结果表明:该网络模型可有效实现苹果图像的识别,对独立果实、遮挡果实、重叠果实以及相邻果实的识别率分别为96.25％,91.37％,94.91％,89.56％,综合识别率达到93.79％.与其他方法相比,该算法具有较强的抗干扰能力,图像识别速度快、识别率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程鸿芳		26	37	3.0	5.0
2	张春友	内蒙古民族大学机械工程学院	52	115	6.0	8.0