重组牛肉图像识别模型的比较研究

• 作者: 刘登勇 曹振霞 杨洪遥 王博 陆逢贵 陈子东
• 来源期刊: 肉类研究
• 学科: 工学
• 关键词: 重组牛肉 识别 卷积神经网络 深度残差网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 基础研究
• 页码范围: 13-17
• 页数: 5页
• 分类号: TS251.52
• 字数: 4283字
• 语种: 中文
• DOI: 10.7506/rlyj1001-8123-20200521-133

摘要

以重组牛肉为研究对象,基于机器视觉技术构建3 种深度残差网络(deep residual network,ResNet)模型(ResNet-50、ResNet-101、ResNet-152)用于识别重组牛肉,同时应用VGG-16视觉几何群网络模型、支持向量机模型以及LeNet-5卷积神经网络模型,比较分析ResNet模型的识别准确率和响应时间.采集并经过图像预处理后共得到6?168?张样品图像作为实验样本,随机选取其中的4?936?张作为训练集,剩余1?232?张作为测试集.结果表明:3?种ResNet模型(ResNet-50、ResNet-101、ResNet-152)识别速率较快,准确率高,均可以有效识别重组牛肉,且卷积层越多,准确率越高,其中ResNet-50模型识别准确率达到较高水平,且测试时间仅需0.45?s,能够准确、快速地识别重组牛肉.