一种基于卷积神经网络的烟叶等级识别方法

目的:解决烟叶分级准确率不高的问题.方法:提出一种改进的基于卷积神经网络的烟叶分级模型,根据VGG16网络结构,以 自定义的方式搭建网络模型;将空洞卷积代替原有的传统卷积,增加图像感受野的同时避免了图像特征的损失,并将激活函数改为Leaky_relu,修正数据的分布,解决ReLU函数的硬饱和问题;用41种等级的烟叶图片加以测试.结果:试验改进算法分级准确率达95.89％,与传统SVM算法相比提高了 10.46％,与经典VGG16算法相比提高了 7.87％,损失率最终收敛于0.13.结论:与原始模型和传统特征提取的方式相比,试验算法在烟叶分级准确率性能上有所提高....

Full description

Saved in:
Bibliographic Details
Published in食品与机械 Vol. 38; no. 2; pp. 222 - 227
Main Authors 焦方圆, 申金媛, 郝同盟
Format Journal Article
LanguageChinese
Published 郑州大学,河南郑州 450001%华北水利水电大学,河南郑州 450045 2022
Subjects
烟叶分级;深度学习;激活函数;空洞卷积
Online AccessGet full text

Cover

More Information
Summary:目的:解决烟叶分级准确率不高的问题.方法:提出一种改进的基于卷积神经网络的烟叶分级模型,根据VGG16网络结构,以 自定义的方式搭建网络模型;将空洞卷积代替原有的传统卷积,增加图像感受野的同时避免了图像特征的损失,并将激活函数改为Leaky_relu,修正数据的分布,解决ReLU函数的硬饱和问题;用41种等级的烟叶图片加以测试.结果:试验改进算法分级准确率达95.89％,与传统SVM算法相比提高了 10.46％,与经典VGG16算法相比提高了 7.87％,损失率最终收敛于0.13.结论:与原始模型和传统特征提取的方式相比,试验算法在烟叶分级准确率性能上有所提高.
ISSN:1003-5788
DOI:10.13652/j.issn.1003-5788.2022.02.037