基于多尺度卷积神经网络的缺陷红枣检测方法

作者：方双; 赵凤霞^*; 楚松峰; 吴振华

来源：食品与机械, 2021, 37(02): 158-168.

DOI：10.13652/j.issn.1003-5788.2021.02.027

• 红枣
• 缺陷检测
• 多尺度卷积
• 批量归一化
• AlexNet模型

提出了一种基于多尺度卷积神经网络的缺陷红枣检测方法,在AlexNet卷积神经网络上增加并行的多尺度卷积模块,增加网络的深度和宽度,减少网络中的参数;在卷积层中加入批标准化处理,减少训练过程中数据分布的变化,提高网络的泛化能力。以新疆干制红枣中的黄皮枣、霉变枣、破头枣和正常枣为研究对象,对这些干制红枣进行训练和验证。结果表明:该模型对黄皮枣、霉变枣、破头枣和正常枣的识别率分别为96.67%,96.25%,98.57%,97.14%,综合识别率可达97.14%。与其他的算法相比,该算法具有较强的稳健性,对缺陷红枣的识别准确率更高。

• 单位
  郑州大学