| 基于Deeplabv3+的猕猴桃特征提取和自动分级研究 |
| |
| 引用本文： | 郝家英,曾玉娇,王祥文,陈园,刘文江.基于Deeplabv3+的猕猴桃特征提取和自动分级研究[J].南方农机,2024(3):49-54. |
| |
| 作者姓名： | 郝家英 曾玉娇 王祥文 陈园 刘文江 |
| |
| 作者单位： | 贵州财经大学信息学院 |
| |
| 基金项目： | 2022年国家级大学生创新创业训练计划项目“猕猴桃特征提取与自动分级关键技术的研究”（202210671147）； |
| |
| 摘 要： | 【目的】当前猕猴桃的缺陷识别与分级大多基于传统图像处理技术，无法完全脱离人工操作，且对图像的质量要求高、可靠性差，无法满足猕猴桃现有的分级需求。【方法】课题组提出了一种基于Deeplabv3+网络模型的猕猴桃特征提取和自动分级方案，采用轻量级卷积神经网络MobileNetV2作为图片特征提取工具，将采集的466张猕猴桃图片进行滤波处理、数据增强等步骤后获得2 796张图片，按8∶2的比例分为训练集和预测集进行网络模型训练，并与传统模型识别率进行了对比。【结果】基于Deeplabv3+网络模型的猕猴桃四个等级的识别率分别为100%、96.15%、95.83%和97.05%，高于传统计算机视觉方法的识别率，验证了该方法在猕猴桃分级上的可行性。【结论】该模型有效地降低了系统的参数和计算量，具有训练时间短、空间复杂度低等优点，在猕猴桃图像的特征抽取和分级任务上具有较好的表现。
|
| 关 键 词： | 猕猴桃 自动分级 特征提取 Deeplabv3+ |
|
|
