典型文献
基于CNN和SVM分类优化的大蒜鳞芽朝向识别研究
文献摘要：
针对大蒜鳞芽朝上、直立栽种的特殊种植需求,研究实用性好、准确率高、抗干扰强的鳞芽朝向自动识别算法,具有重要的工程应用意义.提出基于卷积神经网络(CNN)和支持向量机(SVM)分类优化的改进算法(CNN-SVM),实现大蒜鳞芽朝向的自动识别与修正;提出SVM分类优化方案与随机参数择优、损失函数检测方法,以解决感受野小、分类效果差、过拟合等问题.研究结果表明:CNN-SVM算法的识别准确率为99.8％,单张图片识别时间为0.024 s.与经典CNN、SVM算法相比,本文所提算法对于感受野小、干扰强的识别效果更好;同时具有识别准确率高、计算规模小、对局部特征敏感等优点.不仅为大蒜自动智能播种设备的研发提供算法储备,而且可以推广应用于其他小物体识别.
文献关键词：
大蒜鳞芽;朝向识别;卷积神经网络;支持向量机;分类优化;深度学习
中图分类号：
作者姓名：
曹金凤;沈大港;郭继鸿;刘鹏;李策;兰添贺
作者机构：
青岛理工大学机械与汽车工程学院,山东青岛,266520;中国矿业大学(北京)能源与矿业学院,北京市,100083
文献出处：
引用格式：
[1]曹金凤;沈大港;郭继鸿;刘鹏;李策;兰添贺-.基于CNN和SVM分类优化的大蒜鳞芽朝向识别研究)[J].中国农机化学报,2022(05):134-139
A类：
大蒜鳞芽
B类：
分类优化,朝向识别,直立,栽种,自动识别算法,应用意义,改进算法,随机参数,择优,损失函数,感受野,分类效果,过拟合,识别准确率,单张,图片识别,对局,局部特征,智能播种,物体识别
AB值：
0.272475
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。
