基于CNN的玉米种子内部裂纹图像检测系统

作者：张宇卓; 王德成^*; 方宪法; 吕程序; 董鑫; 李佳

来源：农业机械学报, 2022, 53(05): 309-315.

• 玉米种子
• 内部裂纹
• 图像识别
• 卷积神经网络

为了高效检测玉米种子内部裂纹，设计基于卷积神经网络(CNN)的检测系统及批量检测方法，采集有裂纹和无裂纹的玉米种子制作数据集，构建AlexNet、VGG11、InceptionV3和ResNet18共4种经典卷积神经网络，同时与传统算法模型SVM和BP神经网络进行对比实验。实验发现，卷积神经网络模型优于这两种传统算法模型，ResNet18模型的综合检测性能最佳，单粒有裂纹种子的识别准确率为95.04%,单粒无裂纹种子的识别准确率为98.06%,平均单粒种子识别时间为4.42 s。基于ResNet18,搭建种子内部裂纹自动识别装置，设计识别软件控制装置，得到玉米种子内部裂纹识别系统。系统实验进行10组批量识别，有裂纹种子的平均识别准确率为94.25%,无裂纹种子的平均识别准确率为97.25%,批量识别中光源的透射无法等效地显现所有种子的内部裂纹、多次加载模型权重导致泛化性不足等因素会影响准确率。

• 单位
  中国农业机械化科学研究院; 中国农业大学