典型文献
基于深度学习的板栗分级方法研究
文献摘要：
板栗品质分级对板栗产品的标准化和均一性有重要影响,精确的分类有助于板栗商品标准化,发挥出各等级板栗的最大价值.针对中国板栗分级分类大多依靠机器与人工,存在效率低、准确度低等问题,提出利用深度学习方法实现板栗分级分类的自动化与智能化.对经典卷积神经网络LeNet-5模型进行了改进,增加5层卷积层和2层池化层以加深网络,从而更准确地提取板栗特征,同时输入层修改为图像大小256×256的彩色图像;激活函数改进为Leaky ReLu,并加入Dropout算法缓解过拟合现象;使用Adam作为优化器对网络参数进行优化.将改进后的LeNet-5模型与初始LeNet-5模型、AlexNet和VGG16模型进行对比,发现改进后的LeNet-5模型在测试集上识别平均精确率为99.68％、准确率为99.34％、召回率为99.35％,优于其他3种模型,且识别1个样本用时仅0.19 s,改进后的LeNet-5模型可以实现对板栗良好的分级分类,满足工厂对板栗自动分级的需要.
文献关键词：
板栗分级;深度学习;卷积神经网络;改进LeNet-5模型
中图分类号：
作者姓名：
王培福;孙一丹;鹿子涵;王伟;陈晓峰
作者机构：
中国农业大学烟台研究院,烟台 264670
文献出处：
引用格式：
[1]王培福;孙一丹;鹿子涵;王伟;陈晓峰-.基于深度学习的板栗分级方法研究)[J].湖北农业科学,2022(21):168-175
A类：
板栗分级
B类：
分级方法,板栗品质,品质分级,均一性,分级分类,深度学习方法,LeNet,卷积层,池化,输入层,彩色图像,激活函数,Leaky,ReLu,Dropout,过拟合,Adam,优化器,网络参数,AlexNet,VGG16,测试集,精确率,召回率,自动分级
AB值：
0.344566
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。
