基于改进VGG16的大米加工精度分级方法研究

作者：戚超; 左毅; 陈哲琪; 陈坤杰^*

来源：农业机械学报, 2021, 52(05): 301-307.

• 大米加工
• 精度分级
• 卷积神经网络
• 超列技术
• 最大相关-最小冗余特征选择

为了准确识别大米精度等级,结合超列技术（Hyper column technology,HCT）、最大相关-最小冗余（Max-relevance and min-redundancy,MRMR）特征选择算法和极限学习机（Extreme learning machine,ELM）,提出了基于改进VGG16卷积神经网络的大米分级检测方法。首先,使用机器学习中的One Hot格式进行编码,对数据进行归一化;然后采用VGG16卷积神经网络结合HCT技术作为特征提取器,从而保证从不同的深层结构中提取出局部鉴别特征,共提取5 248个大米特征信息;采用MRMR特征选择算法剔除大量冗余的大米图像特征,筛选出最有效的500个特征;最后,利用ELM技术进行大米加工精度分级。将5 848个样本图像按6∶3∶1的比例随机分为训练集、测试集与验证集,对模型进行训练与测试,结果表明,基于改进VGG16卷积神经网络的大米加工精度分级模型对1 755个测试集大米样本分类的总体准确率达到97.32%,对大米加工精度的分级预测速度在85 t/h以上,基本满足大米生产线的分级要求。

• 单位
  南京农业大学