DOI：10.3969/j.issn.1672-3872.2024.16.036
基金项目：2023年新乡市社科联项目“人工智能推动新乡数字赋能增效工程的探究”（SKL-2023-246）；河南省高等学校重点科研项目“网络控制系统遭受未知隐蔽攻击时的区间估计方案和安全控制方案研究”（24B413001）；2024年河南省教育厅人文社科研究项目“基于产教融合视域下新工科人才培养与百度飞浆学生社团的协同育人模式研究”（2024-ZDJH-134）
作 者：李仁惠 ，张根茂 ，李丹霞 ，齐永兰 ，朱雪珂 ，王 珊
（河南工学院智能工程学院，河南 新乡 453003）
摘 要：【目的】提高水果分级效率。【方法】提出一种用于水果品质分级的深度学习检测识别方法，该方法在传统的CNN（卷积神经网络）模型基础上进行了改进，可以快速准确检测识别水果并进行品质分级。以苹果为例，通过对原始数据集进行数据增强，来增加样本数量和确保样本多样化。此外，为防止训练模型时出现过拟合现象，引入Dropout层来提升模型的泛化能力，同时将本研究结果与相关研究结果做对比实验分析。【结果与结论】基于Dropout的CNN水果品质分级模型对苹果品质分级精确度可达98.52%，该模型能更加准确地进行检测识别，为农业智能水果品质分级装备的研发提供了研究基础。
关键词：水果；品质分级；CNN；Dropout
引文信息：[1]李仁惠，张根茂，李丹霞，等.基于Dropout的CNN水果品质分级模型研究[J].南方农机，2024，55(16)：130-132+172.
查看全文请下载PDF文件↓
