典型文献
深度学习算法在颗粒状农产品品质分选中的应用研究
文献摘要：
颗粒状农产品品质分选的传统方式多是借助人工方法进行挑选与筛查,存在筛选效果差、效率低等问题.针对这种状况,研究在对颗粒状农产品品质分选中引入了深度学习算法,构建了色选图像分类算法,选取颗粒状农产品中的花生作为研究对象,借助深度学习算法中的卷积神经网络对花生图像进行分类,并从数据集、过拟合、指数衰减、滑动平均模型和卷积神经网络简化等方面进行优化设计.研究结果表明,优化后的卷积神经网络结构提升了训练的收敛速度,减少了过拟合影响,指数衰减之后的学习率提升至98.18％,简化后的卷积神经网络准确率达到95.64％.将深度学习算法应用于颗粒状农产品的品质分选,大大提高了颗粒状农产品图像的分辨率以及分类的精确度,对色选系统性能的提升以及在农业加工领域拓展机器视觉应用有重要的实践意义.
文献关键词：
深度学习算法;颗粒状农产品;品质分选;卷积神经网络
中图分类号：
作者姓名：
王艳兵
作者机构：
徽商职业学院 电子信息系,安徽 合肥 230000
文献出处：
引用格式：
[1]王艳兵-.深度学习算法在颗粒状农产品品质分选中的应用研究)[J].兰州文理学院学报（自然科学版）,2022(01):37-42
A类：
颗粒状农产品,品质分选
B类：
深度学习算法,农产品品质,选中,传统方式,助人,筛选效果,选图,图像分类算法,花生,过拟合,指数衰减,滑动平均模型,神经网络结构,结构提升,收敛速度,学习率,算法应用,选系,系统性能,农业加工,领域拓展,机器视觉,视觉应用
AB值：
0.196568
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
