avatar avatar 我的文献 基于深度学习的花生高光谱图像分类方法研究 作者 刘翠玲; 林珑; 于重重; 吴静珠 单位 北京工商大学计算机与信息工程学院 期刊 计算机仿真 时间 关键词 高光谱成像技术; 花生分类方法; 深度学习 基金 农业部农产品信息溯源重点实验室开放课题; 国家重点研发计划子课题(2018YFD0101004-03); 国家自然科学基金青年科学基金项目(61807001)
摘要
利用高光谱成像技术对不同品种的花生进行快速无损分类。选取五种不同品种的花生,分别为东北小花生、富硒黑皮花生、花育36号、鲁花01号、鲁花09号,每种15颗,共75颗花生作为样本,采集400 nm~1000 nm波长范围内的高光谱图像,随机将6个特征波段(416 nm、518 nm、572 nm、633 nm、746 nm、928 nm)下的450个样本图像以2:1的比例分成训练集和测试集,建立基于深度学习的卷积神经网络模型。实验中所采用的网络模型为具有22层深度网络的GoogleNet模型,其中将dropout_ratio修改为0.6,训练集最终准确率为96%,测试集平均准确率为93.3%,每种花生的识别率均在90%及以上。最后与传统光谱处理方法PLS-DA进行对比,发现基于深度学习模型的识别率明显优于PLS-DA,结果表明,利用深度学习方法对花生快速无损分类具有可行性。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭