基于ResNeXt与迁移学习的干制哈密大枣果梗/花萼及缺陷识别

• 作者: 李聪 喻国威 张原嘉 马本学
• 来源期刊: 食品与机械
• 关键词: 哈密大枣 图像识别 深度残差网络 迁移学习 感兴趣区域
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 贮运与保鲜|STORAGE TRANSPORTATION & PRESERVATION
• 页码范围: 135-140
• 页数: 6页
• 语种: 中文
• DOI: 10.13652/j.issn.1003-5788.2022.01.021

摘要

目的:解决目前红枣检测过程中果梗/花萼容易被误识别为缺陷枣的问题.方法:提出一种基于深度学习和图像处理的干制哈密大枣果梗/花萼及缺陷识别方法.通过改进深度残差网络ResNeXt-50,采用感兴趣区域提取方法和迁移学习技术提出一种TL-ROI-X-ResNext-50分类模型,实现干制哈密大枣果梗/花萼及缺陷分类.结果:通过模型试验对比,感兴趣区域提取方法和迁移学习技术可以减少模型计算成本,提高准确率,模型识别准确率可达94.17％.结论:该方法可初步满足干制哈密大枣果梗/花萼及缺陷在线检测装备的生产需求.