基于深度学习的板栗分级方法研究

作者：王培福; 孙一丹; 鹿子涵; 王伟; 陈晓峰^*

来源：湖北农业科学, 2022, 61(21): 168-175.

DOI：10.14088/j.cnki.issn0439-8114.2022.21.032

• 板栗分级
• 深度学习
• 卷积神经网络
• 改进LeNet-5模型

板栗品质分级对板栗产品的标准化和均一性有重要影响，精确的分类有助于板栗商品标准化，发挥出各等级板栗的最大价值。针对中国板栗分级分类大多依靠机器与人工，存在效率低、准确度低等问题，提出利用深度学习方法实现板栗分级分类的自动化与智能化。对经典卷积神经网络LeNet-5模型进行了改进，增加5层卷积层和2层池化层以加深网络，从而更准确地提取板栗特征，同时输入层修改为图像大小256×256的彩色图像；激活函数改进为Leaky ReLu，并加入Dropout算法缓解过拟合现象；使用Adam作为优化器对网络参数进行优化。将改进后的LeNet-5模型与初始LeNet-5模型、AlexNet和VGG16模型进行对比，发现改进后的LeNet-5模型在测试集上识别平均精确率为99.68%、准确率为99.34%、召回率为99.35%，优于其他3种模型，且识别1个样本用时仅0.19 s，改进后的LeNet-5模型可以实现对板栗良好的分级分类，满足工厂对板栗自动分级的需要。

• 单位
  中国农业大学烟台研究院