基于卷积神经网络特征提取的轻量级包装袋分类模型

作者：鲁江坤^*; 汪林林; 陈红阳

来源：塑料科技, 2020, 48(08): 69-72.

DOI：10.15925/j.cnki.issn1005-3360.2020.08.017

• 塑料
• 手工提取
• 轻量级
• 深度学习

为解决塑料包装袋难识别以及难收集问题,应用神经网络提出一个轻量级包装袋分类模型。模型网络分为预处理层、特征提取层和分类层,且在预处理层模拟手工特征提取方式,应用SQUARE 3×3高通滤波器捕获丰富图像纹理特征。经仿真研究模型各层卷积核数量、卷积核尺寸、训练时长、批次样本数对模型的影响,方案6各层卷积核数量、尺寸和批次样本数分别为64、3×3和8,捕获丰富包装袋特征,具备最佳测试分类准确率0.730 5,较适用于实际包装袋分类工作,高于传统HOG模型约13%。实验结果可为当前包装袋识别分类工作提供一定的参考。

• 单位
  重庆人文科技学院; 重庆邮电大学