基于卷积神经网络的槟榔分级方法研究

来源：中国农机化学报杂志2023年第10期北京时间：

作者：李志臣, 凌秀军, 李鸿秋

单位：金陵科技学院机电工程学院，南京市，211169

摘要：针对槟榔的人工分级劳动生产率和分级准确率低的问题，构建基于卷积神经网络的槟榔分级模型。设计1个由两个卷积块构成的槟榔图像特征提取网络，每个卷积块有2个卷积层和1个池化层。第2个卷积块联接1个由扁平层、隐含层和输出层构成的多层感知器，特征提取网络和感知器构成1个浅层卷积神经网络(SCNN)。通过SGD、Adam等6种优化方法和学习率的人工调整完成网络训练、验证和测试的对比分析，选择Adam为SCNN的优化方法并将学习率设置为0.001。将基于Adam优化的SCNN应用于槟榔分级，分级准确率达到98.05%，网络ROC曲线的AUC值等于1。利用SCNN模型能够快速、准确地完成对槟榔的分级，为槟榔机器分级研究提供基础。

关键词：槟榔,卷积神经网络,Adam优化器,分级,ROC曲线

基金资助：国家自然科学基金面上项目(51775270)