识别麦大麦核的缺陷和品种
Michał Kozłowski1, Piotr M Szczypiński2, Jacek Reiner3
1University of Warmia and Mazury in Olsztyn, ul. Oczapowskiego 11, Olsztyn, 10-710, Poland. michal.kozlowski@uwm.edu.pl.
Scientific reports
|September 27, 2024
概括
一个新的深度学习网络以94%的准确度准确地分类麦大麦核的缺陷和品种. 这种先进的方法超越了传统的方法,用于改善麦芽大麦的质量评估.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 精确分类麦芽大麦核对质量评估至关重要.
- 核心分析的传统方法在精度和效率方面存在局限性.
研究的目的:
- 开发和评估一种全面的方法,使用双面成像和深度学习来对麦大麦核进行分类.
- 为了比较定制设计的卷积神经网络 (CNN) 与传统机器学习和转移学习模型的性能.
主要方法:
- 双面内核成像和一个自定义的图像处理算法.
- 开发一个优化的深度神经网络架构,用于大麦核分析.
- 传统特征工程,转移学习模型和定制CNN的比较评估.
主要成果:
- 定制的深度学习网络在分类大麦核的缺陷和品种方面取得了94%的准确性.
- 提出的方法优于既有转移学习模型 (93%的准确性) 和传统的机器学习方法 (缺陷低于90%,品种低于70%).
- 传统方法在形态特征识别方面具有优势.
结论:
- 开发的深度学习网络为麦大麦核的分类提供了卓越的性能.
- 将形态特征提取与CNN集成为未来研究提供了一个有希望的方向.
- 标准化内核定向和合并双面图像是有效分析的关键.


