金針菇是我國最常見的菌類食物之一。同時,工業(yè)化的推廣也大大提高金針菇的產(chǎn)量。然而,在其工業(yè)化生產(chǎn)過程中,在金針菇的分類環(huán)節(jié)仍然是人工分類。工人長時間工作后會產(chǎn)生錯誤,增加分類錯誤率,降低生產(chǎn)效率,造成金針菇的產(chǎn)量低,損害工廠利益。為了解決這些問題,我們采用目前流行的計算機深度學習技術,用機器代替人工,完成金針菇頭部的檢測。相應的方法如下:(1)收集金針菇數(shù)據(jù),按照本文提出的金針菇工廠分類標準制作數(shù)據(jù)集。(2)對圖像進行預處理,對數(shù)據(jù)集進行增強和規(guī)范化。(3)利用遷移學習,分別用YOLOv3和YOLOv4兩種檢測網(wǎng)絡模型對金針菇頭部數(shù)據(jù)集進行再訓練。(4)通過對兩個網(wǎng)絡訓練模型的分析和比較,得出YOLOv4模型通過數(shù)據(jù)擴充得到的結果,測試時間0.8s,測試精度為81.54%,F1 Score為0.575,優(yōu)于另外一個檢測網(wǎng)絡。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1金針菇菇頭示意圖金針菇工廠采用4096×2160像素的工業(yè)相機拍攝

CNN在很多方面都做得很好，但本文對金針菇的研究還存在幾個難點：①金針菇屬于自然生長，形式多樣。一張金針菇圖像上可能存在幾十個金針菇頭，需要對金針菇頭部圖像進行合適的特征提齲②數(shù)據(jù)集的收集。數(shù)據(jù)集對最終結果至關重要，需要收集數(shù)據(jù)集，但沒有公開的金針菇數(shù)據(jù)集。本文基于深度學習的方法....

圖3YOLOv3和YOLOv4網(wǎng)絡Precision-Recall曲線（A）

執(zhí)?撲慊?╳ww.moderncomputer.cn）2020.10下3結語目前，將深度學習在應用到農(nóng)產(chǎn)品中的實例較少，原因之一是大部分農(nóng)產(chǎn)品是在多種自然條件下生長的，因此很難提取出有效的特征。另一個原因是數(shù)據(jù)集很難去收集，目前可用于農(nóng)產(chǎn)品的數(shù)據(jù)集較少，大部分需要根據(jù)具體要求進行....

本文編號：3962861