农业机械学报

作者：焦俊,王文周,侯金波,孙裴,何屿彤,辜丽川

单位：安徽农业大学,安徽农业大学,安徽泓森物联网有限公司,安徽农业大学,安徽农业大学,安徽农业大学,

关键词：猪肉; 新鲜度; 迁移学习; LReLu-Softplus激活函数; 改进残差网络

基金：安徽省重点研究与开发计划项目(1804a0702130)、国家自然科学基金项目(31671589、31771679)、安徽省科技重大攻关项目(16030701092)和农业农村部农业电子商务重点实验室开放基金项目（AEC2018010、AEC2018003）

为了提高黑毛猪肉新鲜度的识别准确率，提出基于改进残差网络和迁移学习的黑毛猪肉新鲜度识别方法。首先，根据猪肉的微生物菌体浓度、大肠菌菌体浓度和pH值，结合国家标准，将猪肉新鲜度分为7个类别；然后，将ResNet-50模型用PfidSet数据集训练，使其具有抽取图像特征的能力，利用模型迁移和模型微调对ResNet-50模型进行改进，即用一个3层的自适应网络取代ResNet-50模型的全连接层和分类层，再使用在PfidSet上训练的网络参数初始化改进的ResNet-50模型权重，运用LReLu-Softplus作为自适应网络的激活函数；最后，将改进?ResNet-50模?型在猪肉样品的图像数据集上学习得到的知识，迁移到黑毛猪肉新鲜度识别任务。选取7类共计?23?427幅?黑毛猪肉图像组成样本集，从样本集中随机选择80%的样本用作训练集、其余20%用作测试集进行测试，试验结果表明，迁移学习能够明显提高模型的收敛速度和识别性能，数据扩充有助于增加数据的多样性，避免出现过拟合现象，在迁移学习和数据扩充方式下的总体识别准确率达到94.5%，是一种高效的猪肉新鲜度识别方法。?

来源：2019年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第8期