典型文献
基于改进VGG16卷积神经网络的烟丝类型识别
文献摘要：
为改善人工分拣烟丝效率低下,分类效果差导致香烟品质难以得到保证的现象,提出一种将机器视觉和深度学习相结合的烟丝类型识别方法.实验采集了 4种烟丝图像并经过预处理以后送入以VGG16为基础改进的Light-VGG网络模型中进行分类,改进包括减少VGG16中卷积核个数以优化网络结构;增加残差模块以提升模型学习能力;使用全局池化代替全连接层,大幅减少网络参数量,应对网络过拟合.Light-VGG相比VGG16参数量减少96.5％,预测时间减少20.3％,在自建烟丝数据集中准确率达到95.5％,也明显高于其他神经网络(AlexNet、VGG13、GoogLeNet),实现了快速、准确识别烟丝类型的目标.
文献关键词：
烟丝识别;机器视觉;深度学习;VGG16;残差模块
中图分类号：
作者姓名：
牛群峰;袁强;靳毅;王莉;刘江鹏
作者机构：
河南工业大学电气工程学院 郑州450000;河南中烟工业有限责任公司安阳卷烟厂 安阳455000
文献出处：
引用格式：
[1]牛群峰;袁强;靳毅;王莉;刘江鹏-.基于改进VGG16卷积神经网络的烟丝类型识别)[J].国外电子测量技术,2022(09):149-154
A类：
VGG13,烟丝识别
B类：
VGG16,类型识别,人工分拣,分类效果,香烟,机器视觉,后送,送入,Light,卷积核,残差模块,模型学习,全局池化,全连接层,网络参数,参数量,过拟合,AlexNet,GoogLeNet,准确识别
AB值：
0.305308
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。
