一种基于卷积神经网络的烟叶等级识别方法

作者：焦方圆; 申金媛^*; 郝同盟

来源：食品与机械, 2022, 38(02): 222-227.

DOI：10.13652/j.issn.1003-5788.2022.02.037

• 烟叶分级
• 深度学习
• 激活函数
• 空洞卷积

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Leakyrelu,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。

• 单位
  郑州大学; 华北水利水电大学