典型文献
基于深度学习的苹果果实品种鉴定与识别研究
文献摘要：
基于深度学习在图像分类领域的优异性能,提供一个包含多个苹果品种原始数据集,通过使用ResNet50、InceptionV3以及DenseNet121预训练模型进行苹果品种识别分类,对比3种模型的准确性、泛化能力和稳定性,以期为推进苹果产业标准化、规模化、智能化生产提供理论依据和技术支持.以甘肃省平凉市静宁县果树果品研究所苹果良种苗木繁育基地作为实验基地,采集7个品种共7763幅苹果果实图像自建数据集,进而利用神经网络建立分类识别模型.实验结果验证了卷积神经网络在苹果品种图像识别任务上的优越性能,测试集上表现较优的ResNet50识别准确率达到98.44％,验证了本文方法基于苹果果实进行品种识别与鉴定的有效性.
文献关键词：
图像分类;苹果品种;卷积神经网络;预训练;深度学习
中图分类号：
作者姓名：
马斌;韩俊英
作者机构：
甘肃农业大学信息科学技术学院,甘肃兰州 733070
文献出处：
引用格式：
[1]马斌;韩俊英-.基于深度学习的苹果果实品种鉴定与识别研究)[J].软件,2022(06):17-21
A类：
B类：
苹果果实,品种鉴定,图像分类,优异性能,一个包,苹果品种,原始数据,ResNet50,InceptionV3,DenseNet121,预训练模型,品种识别,识别分类,泛化能力,苹果产业,产业标准化,智能化生产,甘肃省平凉市,静宁县,果树,良种苗,苗木繁育,繁育基地,实验基地,果实图像,自建数据集,分类识别模型,图像识别,测试集,识别准确率
AB值：
0.371747
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。
