基于GoogLeNet深度迁移学习的苹果缺陷检测方法

• 作者: 张瑜 沈群 王立扬 薛勇
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 苹果 缺陷检测 GoogLeNet 深层卷积神经网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 农业装备与机械化工程
• 页码范围: 30-35
• 页数: 6页
• 分类号: TP391.4
• 字数: 5260字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.07.004

摘要

针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测.检测结果表明,本文方法对扩充后的1 932个训练样本的识别准确率为100％,对235个测试样本的识别准确率为91.91％.为评估目前苹果缺陷检测常用算法的性能,将GoogLeNet与浅层卷积神经网络(AlexNet和改进型LeNet-5)及传统机器学习方法(K-NN、RF、SVM)进行了对比,结果表明,与苹果缺陷检测的常用算法相比,本文方法具有更好的泛化能力与鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈群	中国农业大学食品科学与营养工程学院	99	573	13.0	19.0
5	张瑜	中国农业大学信息与电气工程学院	22	170	8.0	13.0
6	薛勇	中国农业大学食品科学与营养工程学院	4	0	0.0	0.0
10	王立扬	中国农业大学食品科学与营养工程学院	3	0	0.0	0.0