使用D-VGG网络和机器视觉识别干燥的石竹等级
Li Wang1, Penghao Dong1, Qiao Wang1,2
1School of Electrical Engineering, Henan University of Technology, Zhengzhou, China.
Frontiers in nutrition
|November 3, 2023
概括
这项研究引入了一种先进的机器视觉方法,用于分类干燥的石竹,达到96.21%的准确性. 开发的D-VGG模型有效地识别了等级,改善了农产品的质量控制.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 由于质量差异,干燥的石竹的分类对于营销能力至关重要.
- 由于不规则的形状和微妙的形态差异,自动分级识别面临挑战.
研究的目的:
- 开发一种全面的机器视觉方法,用于准确高效地识别干燥的石竹等级.
- 解决现有方法在处理不规则形状和混合等级方面的局限性.
主要方法:
- 图像采集,预处理和数据集创建.
- Osprey优化算法 (OOA) 提供高效的Otsu值和轮提取.
- 一个新的D-VGG网络集成VGG16,残余模块,批量规范化,并为增强功能学习提供道关注.
主要成果:
- D-VGG模型实现了96.21%的高分级精度.
- 处理一个图像只需要46.77毫秒,这表明识别效率很高.
- 拟议的方法有效地应对不规则形状和微妙的等级差异带来的挑战.
结论:
- D-VGG模型为干燥的石竹的质量分级提供了强大而高效的解决方案.
- 这种方法为其他农产品的实时等级识别提供了有价值的参考.
