基于深度学习卷积神经网络的花生籽粒完整性检测

作者：张军锋; 尚展垒

来源：食品与机械, 2022, 38(05): 24-36.

DOI：10.13652/j.spjx.1003.5788.2022.90149

• 花生籽粒
• 图像处理
• 卷积神经网络
• 密度峰值聚类
• 麻雀搜索算法
• 准确率

目的:准确区分完整花生、果仁破损花生和表皮破损花生。方法:提出了一种基于深度学习卷积神经网络(CNN)的花生籽粒完整性检测方案。搭建了花生籽粒色选系统，建立了花生籽粒图像库；利用改进的密度峰值聚类(DPC)算法对CNN卷积核进行自适应压缩，有效平衡网络深度和运算效率；采用改进的麻雀搜索算法对CNN超参数配置和网络结构进行优化，得到适用于花生籽粒完整性检测的CNN模型。结果:相比于DL-CNN、CO-Net等检测方法，该方案识别准确率提高了5.41%～13.92%,花生籽粒单幅图像检测时间缩短了约16.9%。结论:该方法可有效提高花生籽粒完整性检测的准确率和实时性。

• 单位
  郑州轻工业大学; 河南水利与环境职业学院