基于改进卷积神经网络的番茄品质分级方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要： 为了解决番茄人工分级精度低、工作效率低等问题，基于卷积神经网络提出1种用于番茄品质分级的网络结构，并给予优化改进。设计的卷积神经网络由7个权重层（6个卷积层和1个全连接层）和4个池化层（3个最大池化层和1个全局平均池化层）构成，利用批量归一化和压缩激励模块（SE模块）进行网络结构优化。采用自采集的番茄图像数据集，通过数据增广将原1 455张图片增广至8 730张图片并进行训练和测试，用精确度、召回率、F1值（精确度和召回率的调和平均数）评估模型的各分类差异。（剩余14396字）

试读结束

目录
monitor