基于深度学习的金针菇头部检测算法研究

• 作者: 郑义姚 郑力新
• 来源期刊: 现代计算机
• 关键词: 深度学习 金针菇 检测网络 迁移学习
• 年，卷（期）: 2020,（30）
• 所属期刊栏目: 图形图像
• 页码范围: 44-46,55
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.30.009

摘要

金针菇是我国最常见的菌类食物之一.同时,工业化的推广也大大提高金针菇的产量.然而,在其工业化生产过程中,在金针菇的分类环节仍然是人工分类.工人长时间工作后会产生错误,增加分类错误率,降低生产效率,造成金针菇的产量低,损害工厂利益.为了解决这些问题,我们采用目前流行的计算机深度学习技术,用机器代替人工,完成金针菇头部的检测.相应的方法如下:(1)收集金针菇数据,按照本文提出的金针菇工厂分类标准制作数据集.(2)对图像进行预处理,对数据集进行增强和规范化.(3)利用迁移学习,分别用YOLOv3和YOLOv4两种检测网络模型对金针菇头部数据集进行再训练.(4)通过对两个网络训练模型的分析和比较,得出YOLOv4模型通过数据扩充得到的结果,测试时间0.8s,测试精度为81.54％,F1 Score为0.575,优于另外一个检测网络.