科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:提高食品中异物识别速度和精度。方法:在LeNet-5网络结构的基础上增加批量归一化层和Dropout层得到改进的CNN模型，利用此模型建立识别系统用于食品图像中异物自动识别。通过试验对所建模型性能进行分析。结果:与传统的模型相比，该模型具有更高的检测精度和更快的识别速度，食品异物的识别准确率为99.75%,识别时间仅为0.332 s。结论:建立的饺子图像异物识别模型具有较好的检测速度和识别精度。
-
单位湖南农业大学; 湖南环境生物职业技术学院
