数据资源: 中文期刊论文

基于改进卷积自编码机的油茶果图像识别研究



编号 zgly0001667205

文献类型 期刊论文

文献题名 基于改进卷积自编码机的油茶果图像识别研究

作者 张习之  李立君 

作者单位 中南林业科技大学机电工程学院 

母体文献 林业工程学报 

年卷期 2019年03期

年份 2019 

分类号 S794.4  TP391.41  TP18 

关键词 油茶果  图像识别  深度学习  卷积神经网络  自编码机 

文摘内容 为进一步提高油茶果识别的速度与精度,提出一种基于改进卷积自编码机神经网络的油茶果图像识别方法。该方法以非对称分解卷积核提高训练速度,以输出端重构输入端的直连训练方式减少信息损失;利用改进的自编码机训练不同颜色通道的图像,随后在共享层中利用金字塔池化算法融合高阶特征,利用softmax算法构建分类器。结合selective-search算法生成候选区域,并对其进行筛选,利用训练好的网络设计油茶果果实图像检测器验证算法的实用性。改进算法100次迭代所需时间为166 s,平均识别准确率为90.4%;改进模型收敛性能较好,学习能力强,经过10次迭代之后即可达到85%的识别准确率,在样本数目为200的小数据集上可达到82%的识别准确率;同时,检测器的搭建验证了算法的有效性,在2 s内即可实现对单张实际图像上目标区域的检测,总体识别精度为87%,使得算法具有一定的实时检测能力。试验结果证明,改进后的算法具有较高的识别准确率与学习能力,以及一定的实用性,可为油茶果图像识别提供参考。

相关图谱

扫描二维码