典型文献
基于Stacking模型的红枣品种分类识别
文献摘要：
新疆红枣品种较多,在进行红枣加工过程中需要对不同品种进行区分.针对当前人工分类效率低成本高、机械分类难以确保综合品质的问题,提出了基于Stacking模型融合的红枣品种分类识别方法.试验采集5个品类的红枣图像11280张,进行预处理,建立数据集.构建以VGG 16、ResNet 50、Densenet 1213种不同的卷积神经网络为基学习器,逻辑回归为次级学习器的Stacking集成学习模型,进行了集成模型与单一神经网络模型以及不同基学习器组合的集成模型间的对比试验.结果表明:在红枣分类识别任务中,采用单一模型的最高准确率为88.30％,该研究提出的融合模型能够达到92.38％的准确率,分类准确率提升了4.60个百分点.
文献关键词：
模型融合;品种分类;红枣;卷积神经网络;基学习器
中图分类号：
作者姓名：
余游江;喻彩丽;尚远航;胡艳培;吴刚
作者机构：
塔里木大学 信息工程学院,新疆 阿拉尔843300;汕尾职业技术学院,广东 汕尾516600;新疆理工学院 信息工程学院,新疆 阿克苏843000
文献出处：
引用格式：
[1]余游江;喻彩丽;尚远航;胡艳培;吴刚-.基于Stacking模型的红枣品种分类识别)[J].北方园艺,2022(08):139-148
A类：
B类：
Stacking,枣品种,品种分类,分类识别,新疆红枣,加工过程,不同品种,工分,综合品质,模型融合,品类,VGG,ResNet,Densenet,基学习器,逻辑回归,次级学习器,集成学习模型,集成模型,融合模型,分类准确率,准确率提升,百分点
AB值：
0.353579
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。
