基于CNN的小麦籽粒完整性图像检测系统

作     者：祝诗平 卓佳鑫 黄华 李光林 ZHU Shiping;ZHUO Jiaxin;HUANG Hua;LI Guanglin

作者机构：西南大学工程技术学院重庆400716 堪萨斯州立大学工程学院曼哈顿KS66502 

基　　金：国家自然科学基金项目(31971782) 中央高校基本科研业务费专项资金项目(XDJK2019C081) 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2020年第51卷第5期

页      码：36-42页

摘      要：为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet5、AlexNet、VGG16和ResNet34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92.25%;4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98.02%,识别速率为0.827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26.3 s,其中,图像采集过程平均用时21.2 s,图像处理与识别过程平均用时为5.1 s,平均识别准确率为96.67%。

主 题 词：小麦籽粒 完整性 图像识别 卷积神经网络 检测系统 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.6041/j.issn.1000-1298.2020.05.004

馆 藏 号：203937453...