| 基于CNN的小麦籽粒完整性图像检测系统 |
| |
| 引用本文： | 祝诗平,卓佳鑫,黄华,李光林.基于CNN的小麦籽粒完整性图像检测系统[J].农业机械学报,2020,51(5):36-42. |
| |
| 作者姓名： | 祝诗平 卓佳鑫 黄华 李光林 |
| |
| 作者单位： | 西南大学工程技术学院,重庆400716;西南大学工程技术学院,重庆400716;堪萨斯州立大学工程学院,曼哈顿KS 66502 |
| |
| 基金项目： | 国家自然科学基金项目（31971782）和中央高校基本科研业务费专项资金项目（XDJK2019C081） |
| |
| 摘 要： | 为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。
|
| 关 键 词： | 小麦籽粒 完整性 图像识别 卷积神经网络 检测系统 |
| 收稿时间： | 2019/9/29 0:00:00 |
Wheat Grain Integrity Image Detection System Based on CNN |
| |
| ZHU Shiping,ZHUO Jiaxin,HUANG Hu,LI Guanglin.Wheat Grain Integrity Image Detection System Based on CNN[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(5):36-42. |
| |
| Authors: | ZHU Shiping ZHUO Jiaxin HUANG Hu LI Guanglin |
| |
| Institution: | Southwest University;Southwest University;Kansas State University |
| |
| Abstract: | |
| |
| Keywords: | wheat grain integrity image recognition convolutional neural network detection system |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
