基于深度学习的金针菇头部检测算法研究

发布时间：2024-04-23 22:43

　　金针菇是我国最常见的菌类食物之一。同时,工业化的推广也大大提高金针菇的产量。然而,在其工业化生产过程中,在金针菇的分类环节仍然是人工分类。工人长时间工作后会产生错误,增加分类错误率,降低生产效率,造成金针菇的产量低,损害工厂利益。为了解决这些问题,我们采用目前流行的计算机深度学习技术,用机器代替人工,完成金针菇头部的检测。相应的方法如下:(1)收集金针菇数据,按照本文提出的金针菇工厂分类标准制作数据集。(2)对图像进行预处理,对数据集进行增强和规范化。(3)利用迁移学习,分别用YOLOv3和YOLOv4两种检测网络模型对金针菇头部数据集进行再训练。(4)通过对两个网络训练模型的分析和比较,得出YOLOv4模型通过数据扩充得到的结果,测试时间0.8s,测试精度为81.54%,F1 Score为0.575,优于另外一个检测网络。

【文章页数】：4 页

【部分图文】：

图1金针菇菇头示意图金针菇工厂采用4096×2160像素的工业相机拍摄

CNN在很多方面都做得很好，但本文对金针菇的研究还存在几个难点：①金针菇属于自然生长，形式多样。一张金针菇图像上可能存在几十个金针菇头，需要对金针菇头部图像进行合适的特征提龋②数据集的收集。数据集对最终结果至关重要，需要收集数据集，但没有公开的金针菇数据集。本文基于深度学习的方法....

图3YOLOv3和YOLOv4网络Precision-Recall曲线（A）

执?扑慊?╳ww.moderncomputer.cn）2020.10下3结语目前，将深度学习在应用到农产品中的实例较少，原因之一是大部分农产品是在多种自然条件下生长的，因此很难提取出有效的特征。另一个原因是数据集很难去收集，目前可用于农产品的数据集较少，大部分需要根据具体要求进行....

本文编号：3962861