基于深度学习的板栗分级方法研究

来源：湖北农业科学杂志2022年第21期北京时间：

作者：王培福, 孙一丹, 鹿子涵, 王伟, 陈晓峰

单位：中国农业大学烟台研究院,烟台 264670

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。

关键词：板栗分级,深度学习,卷积神经网络,改进LeNet-5模型

基金资助：国家重点研发计划项目（2018YFD1000800）; 中国农业大学本科生URP项目（U2021064）