典型文献
基于迁移学习的芒果成熟度分类算法研究
文献摘要：
成熟度判别是芒果采收及储藏的重要依据.为了适应移动设备硬件算力的限制,对比了传统机器学习方法和迁移学习方法在芒果成熟度鉴别方面的表现,优选最佳模型并开发了芒果成熟度分类软件.试验采集了不同成熟度的小台农图像100张,进行数据扩充后按照8:2划分为训练集和测试集,以准确率、F1值和预测时间作为模型评价指标,分别采用k近邻(K-NearestNeighbor,KNN)、支持向量机(Support vector machine,SVM)、朴素贝叶斯(Naive bayes,NB)、决策树(Decision tree,DT)机器学习算法模型和AlexNet、ResNet18、VGG16、GoogleNet和SqueezeNet迁移学习算法模型进行训练和测试,并对比分析各模型的表现.结果表明:机器学习虽然运算速度快,但分类的准确率明显低于迁移学习,迁移学习的分类准确率均在90％以上.但综合考虑模型的分类准确率和计算能力认为Resnet18表现最佳,它在迭代20次后准确率达到98.75％,而测试时间仅为74.66 ms,优于其它深度学习模型.
文献关键词：
芒果;成熟度;计算机视觉;机器学习;迁移学习
中图分类号：
作者姓名：
陈文悦;何军;朱立学;马稚昱;褚璇;刘洪利;韦鸿钰
作者机构：
仲恺农业工程学院机电工程学院,广东广州510225
文献出处：
引用格式：
[1]陈文悦;何军;朱立学;马稚昱;褚璇;刘洪利;韦鸿钰-.基于迁移学习的芒果成熟度分类算法研究)[J].仲恺农业工程学院学报,2022(04):56-61
A类：
B类：
芒果,分类算法,算法研究,成熟度判别,采收,储藏,移动设备,算力,机器学习方法,迁移学习方法,不同成熟度,数据扩充,训练集,测试集,模型评价指标,近邻,NearestNeighbor,KNN,Support,vector,machine,朴素贝叶斯,Naive,bayes,NB,决策树,Decision,tree,DT,机器学习算法,算法模型,AlexNet,ResNet18,VGG16,GoogleNet,SqueezeNet,分类准确率,计算能力,Resnet18,测试时间,ms,深度学习模型,计算机视觉
AB值：
0.495772
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。
