数字农科院2.0

基于图像处理和卷积神经网络的大米加工精度识别方法研究

文献类型： 中文期刊

作者： 朱锐;夏宇;季凡;陈坤杰;陈子轩

作者机构：

关键词： 大米加工;精度识别;卷积神经网络;最大相关-最小冗余特征选择

期刊名称：农业机械学报

ISSN： 1000-1298

年卷期： 2025 年 56 卷 09 期

页码：

收录情况： EI（2025版） ; ; 北大核心（2023版） ; ; CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： 快速准确地识别大米加工精度，是实现大米碾削加工自动控制的关键。采集不同碾削时间的大米图像，通过滤波及压缩等处理后，制成不同精度等级的数据集，再以经典卷积神经网络(Convolutional neural network, CNN)LeNet-5、AlexNet和VGG-16为基础，分别采取了一系列针对性的优化策略，对模型进行改进和优化，得到3种改进的大米加工精度识别模型；通过试验比较了这些改进优化方法对模型性能的影响。结果表明，在引入卷积核尺寸为9×9和11×11的两个子卷积网络分支后，LeNet-5模型识别准确率由82.23%提高到92.53%;在对AlexNet模型去除两个全连接层，并采用普通池化后，模型识别准确率由92.89%提高到96.73%;如果将Dropout层和组归一化(Group normalization, GN)层引入到VGG-16模型，并采取最大相关-最小冗余(Maximum relevance minimum redundancy, MRMR)特征选择算法对模型进行改进优化，模型准确率较原模型提升7.56个百分点，达到98.87%,为所有测试模型中最高。这表明改进的VGG-16网络模型，可以用于对大米加工精度等级进行精准识别。

分类号：

  • 相关文献

[1]有机稻米生产技术讲座(3)有机稻米加工的过程控制技术简述. 陈铭学,金连登,朱智伟,许立,施建华. 2004

[2]基于可见光图像和卷积神经网络的冬小麦苗期长势参数估算. 马浚诚,刘红杰,郑飞翔,杜克明,张领先,胡新,孙忠富. 2019

[3]基于卷积神经网络的温室黄瓜病害识别系统. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 2018

[4]基于卷积神经网络的冬小麦麦穗检测计数系统. 张领先,陈运强,李云霞,马浚诚,杜克明. 2019

[5]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[6]卷积神经网络在高分辨率影像分类中的应用. 李贤江,陈佑启,邹金秋,石淑芹,郭涛,蔡为民,陈浩. 2019

[7]基于卷积神经网络的水稻纹枯病图像识别. 刘婷婷,胡林,王婷. 2019

[8]一种基于密度估计和VGG-Two的大豆籽粒快速计数方法. 王莹,李越,武婷婷,孙石,王敏娟. 2021

[9]基于MSRA初始化卷积神经网络的草地牧草分类研究. 刘一磊,刘江平,赵烜赫,马玉宝,闫伟红,潘新. 2021

[10]基于卷积神经网络的水稻虫害识别方法. 郭阳,许贝贝,陈桂鹏,丁建,严志雁,梁华,吴昌华. 2021

[11]基于集成深度学习模型的耕地地块提取. 程锐,魏妍冰,陆苗,吴文斌. 2022

[12]基于卷积神经网络的互花米草识别研究. 李岩舟,何艳洲,覃锋,钱万强,吴媚,乔曦. 2023

[13]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022

[14]常态养殖下妊娠母猪体质量智能测定模型. 肖德琴,刘俊彬,刘又夫,黄一桂,谭祖杰,熊本海. 2022

[15]基于剪枝的植物病害识别方法. 朱冬琴,冯全,张建华. 2023

[16]深度学习在植物叶部病害检测与识别的研究进展. 邵明月,张建华,冯全,柴秀娟,张凝,张文蓉. 2022

[17]基于Yolo的结直肠息肉CT影像分析算法研究. 代国威,晏静香. 2021

[18]基于迁移学习和卷积神经网络的生菜鲜重估测. 崔庭源,杨其长,张义,徐丹,马浚诚. 2022

[19]图像网络爬虫在食品营养安全科普监测中的应用研究. 田鑫宇,刘蕾,吴金聪,朱大洲. 2023

[20]基于改进YOLOv8的自然环境下柑橘果实识别. 余圣新,韦莹莹,方辉,李敏,柴秀娟,曾志康,覃泽林. 2024

作者其他论文 更多>>