基于改进型AlexNet的花生荚果品种识别

• 全文链接
• 请求原文

作   者：

倪建功;  杨昊岩;  李娟;  韩仲志; 

作者机构：

青岛农业大学理学与信息科学学院;  青岛农业大学机电工程学院;  青岛农业大学动漫与传媒学院; 

关键词：

花生荚果;  卷积神经网络;  图像处理;  AlexNet;  品种分类; 

期刊名称：

花生学报

i s s n：

1002-4093

年卷期：

2021 年 004 期

页   码：

14-22

摘   要：

花生是我国重要的油料作物,不同品种的花生含油率是不同的,因此需要对不同品种的花生进行分选。传统模式识别的方法需要人工定义各类特征,存在主观判断、浪费人力等问题,实用性较差。针对上述问题,本实验基于卷积神经网络提出一种多品类花生荚果识别模型。该模型基于经典的AlexNet网络模型,通过设置不同尺寸的卷积核提取更丰富的特征,去除局部响应归一化层,修改全连接层神经元连接个数等操作,设计了一种改进型AlexNet,基于改进型AlexNet对13种不同类型的花生荚果进行识别分类。原始AlexNet对13类花生荚果识别的最高准确率为84.27%,平均准确率为83.66%。改进型AlexNet最高准确率为88.76%,平均准确率为87.73%,分别提高了4.49和4.07个百分点。研究结果表明,改进型AlexNet对不同品种花生荚果的识别结果优于原始AlexNet。利用卷积神经网络对花生荚果品种识别具有一定可行性,基本可以推广到实际生产中使用。