基于CNN和SVM分类优化的大蒜鳞芽朝向识别研究

来源：中国农机化学报杂志2022年第5期北京时间：

作者：曹金凤, 沈大港, 郭继鸿, 刘鹏, 李策, 兰添贺

单位：1. 青岛理工大学机械与汽车工程学院，山东青岛，266520；2. 中国矿业大学(北京)能源与矿业学院，北京市，100083

摘要：针对大蒜鳞芽朝上、直立栽种的特殊种植需求，研究实用性好、准确率高、抗干扰强的鳞芽朝向自动识别算法，具有重要的工程应用意义。提出基于卷积神经网络(CNN)和支持向量机(SVM)分类优化的改进算法(CNN-SVM)，实现大蒜鳞芽朝向的自动识别与修正；提出SVM分类优化方案与随机参数择优、损失函数检测方法，以解决感受野小、分类效果差、过拟合等问题。研究结果表明：CNN-SVM算法的识别准确率为99.8%，单张图片识别时间为0.024 s。与经典CNN、SVM算法相比，本文所提算法对于感受野小、干扰强的识别效果更好；同时具有识别准确率高、计算规模小、对局部特征敏感等优点。不仅为大蒜自动智能播种设备的研发提供算法储备，而且可以推广应用于其他小物体识别。

关键词：大蒜鳞芽,朝向识别,卷积神经网络,支持向量机,分类优化,深度学习

基金资助：2020山东省专业学位研究生教学案例库项目(SDYAL20112)；山东省重点研发计划(公益类专项)(2019GGX101020)