基于改进VGG16卷积神经网络的烟丝类型识别

作者：牛群峰; 袁强^*; 靳毅; 王莉; 刘江鹏

来源：国外电子测量技术, 2022, 41(09): 149-154.

DOI：10.19652/j.cnki.femt.2203982

• 烟丝识别
• 机器视觉
• 深度学习
• VGG16
• 残差模块

为改善人工分拣烟丝效率低下，分类效果差导致香烟品质难以得到保证的现象，提出一种将机器视觉和深度学习相结合的烟丝类型识别方法。实验采集了4种烟丝图像并经过预处理以后送入以VGG16为基础改进的Light-VGG网络模型中进行分类，改进包括减少VGG16中卷积核个数以优化网络结构；增加残差模块以提升模型学习能力；使用全局池化代替全连接层，大幅减少网络参数量，应对网络过拟合。Light-VGG相比VGG16参数量减少96.5%,预测时间减少20.3%,在自建烟丝数据集中准确率达到95.5%,也明显高于其他神经网络(AlexNet、VGG13、GoogLeNet),实现了快速、准确识别烟丝类型的目标。

• 单位
  河南工业大学; 河南中烟工业有限责任公司