-
题名基于卷积神经网络的多尺度葡萄图像识别方法
被引量：14
- 1
-
-
作者
邱津怡
罗俊
李秀
贾伟
倪福川
冯慧
-
机构
华中农业大学信息学院
湖北省农业大数据工程技术研究中心
华中农业大学工学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第10期2930-2936,共7页
-
基金
国家自然科学基金资助项目(21800305)
国家重点研发计划项目(2018YFC1604000)
中央高校基本科研业务费专项资金资助项目(2662017PY059)~~
-
文摘
葡萄品种质量检测需要识别多类别的葡萄,而葡萄图片中存在多种景深变化、多串等多种场景,单一预处理方法存在局限导致葡萄识别的效果不佳。实验的研究对象是大棚中采集的15个类别的自然场景葡萄图像,并建立相应图像数据集Vitis-15。针对葡萄图像中同一类别的差异较大而不同类别的差异较小的问题,提出一种基于卷积神经网络(CNN)的多尺度葡萄图像识别方法。首先,对Vitis-15数据集中的数据通过三种方法进行预处理:旋转图像的数据扩增方法、中心裁剪的多尺度图像方法以及前两种方法的数据融合方法;然后,采用迁移学习方法和卷积神经网络方法来进行分类识别,迁移学习选取ImageNet上预训练的InceptionV3网络模型,卷积神经网络采用AlexNet、ResNet、InceptionV3这三类模型;最后,提出适合Vitis-15的多尺度图像数据融合的分类模型MS-EAlexNet。实验结果表明,在同样的学习率和同样的测试集上,数据融合方法在MS-EAlexNet上的测试准确率达到了99.92%,相较扩增和多尺度图像方法提升了近1个百分点,并且所提方法在分类小样本数据集上具有较高的效率。
-
关键词
图像识别
自然场景
迁移学习
卷积神经网络
多尺度图像
数据融合
-
Keywords
image recognition
natural scene
transfer learning
Convolutional NeuralNetwork (CNN)
multi-scale image
data fusion
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
