基于ResNet50神经网络的荔枝表皮缺陷检测研究  

作　　者：刘现[1] 郑华伟 张海佳[1] 

机构地区：[1]福建省农业科学院数字农业研究所,福建福州350003 [2]福建农林大学计算机与信息学院,福建福州350003

出　　处：《科技与创新》2023年第17期64-67,共4页Science and Technology & Innovation

基　　金：福建省自然科学基金“基于循环神经网络的荔枝品质分级模型优化研究”(编号:2020J011377);福建省农业科学院科技创新团队建设“智慧农业科技创新团队”(编号:CXTD2021013-1)、“南方丘陵农情监测科技创新团队”(编号:CXTD2021012-3)。

摘　　要：为了提高荔枝表皮缺陷检测的智能化程度与效率,基于ResNet50神经网络开展荔枝表皮缺陷检测研究。利用自主研制的图像采集系统试验平台构建荔枝表皮缺陷图像数据集,使用残差神经网络(Residual Network,ResNet)50算法构建荔枝表皮缺陷检测分类模型,并将它与K-近邻法(K-Nearest Neighbor,KNN)和随机森林(Random Forest,RF)算法所构建的模型进行对比,评估其分类效果和性能。试验结果表明,综合考虑模型分类准确率和程序运行时间,基于ResNet50的荔枝表皮缺陷检测分类模型相较于其他2种算法是最佳的,能够有效地将荔枝图像划分为正常、霉变和裂口3类,将正常的荔枝与有表皮缺陷的荔枝区分开。研究结果可为基于荔枝图像的表皮缺陷检测方法提供技术参考。

关 键 词：荔枝表皮缺陷 ResNet50 KNN算法 RF算法 

分 类 号：S666.2[农业科学—果树学] TP391[农业科学—园艺学]