领学术科研之先，创食品科技之新
—— 中国食品杂志社
目前马铃薯外部缺陷检测方法主要依靠人工提取特征，且检测精度不高，为了更好地对马铃薯外部缺陷进行快速、准确在线分级，本实验提出一种基于轻量卷积网络的在线分级方法。首先，利用ImageNet数据集训练Xception网络模型，建立马铃薯预训练网络模型；然后，重新构建5 类缺陷全连接层，并通过迁移学习在预训练网络模型上训练马铃薯缺陷数据集；最后，基于外部缺陷识别模型分别测试5 类缺陷的分级性能。结果表明，学习率为0.000 01时，网络模型整体性能最优，训练准确率为98.88%，损失值为0.034 9；在相同样本条件下，与9 种不同深度的网络进行对比，本实验构建的轻量级网络模型识别效果最好，平均识别准确率达到96.04%，且运行时间比识别效果较好的ResNet152网络更短，本实验网络模型的识别速率为6.4 幅/s，本研究结果可为马铃薯在线分级提供理论支持。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
