典型文献
基于深度学习卷积神经网络的花生籽粒完整性检测
文献摘要：
目的:准确区分完整花生、果仁破损花生和表皮破损花生.方法:提出了一种基于深度学习卷积神经网络(CNN)的花生籽粒完整性检测方案.搭建了花生籽粒色选系统,建立了花生籽粒图像库;利用改进的密度峰值聚类(DPC)算法对CNN卷积核进行自适应压缩,有效平衡网络深度和运算效率;采用改进的麻雀搜索算法对CNN超参数配置和网络结构进行优化,得到适用于花生籽粒完整性检测的CNN模型.结果:相比于DL-CNN、CO-Net等检测方法,该方案识别准确率提高了 5.41％～13.92％,花生籽粒单幅图像检测时间缩短了约16.9％.结论:该方法可有效提高花生籽粒完整性检测的准确率和实时性.
文献关键词：
花生籽粒;图像处理;卷积神经网络;密度峰值聚类;麻雀搜索算法;准确率
中图分类号：
作者姓名：
张军锋;尚展垒
作者机构：
河南水利与环境职业学院,河南郑州450011;郑州轻工业大学,河南郑州450002
文献出处：
引用格式：
[1]张军锋;尚展垒-.基于深度学习卷积神经网络的花生籽粒完整性检测)[J].食品与机械,2022(05):24-29,36
A类：
花生籽粒
B类：
完整性检测,果仁,检测方案,粒色,选系,密度峰值聚类,DPC,卷积核,运算效率,改进的麻雀搜索算法,超参数,参数配置,DL,Net,识别准确率,单幅图像,图像检测,检测时间
AB值：
0.199233
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。
