农业机械学报

作者：祝诗平，卓佳鑫，黄华，李光林

单位：西南大学,西南大学,西南大学;堪萨斯州立大学,西南大学,

关键词：小麦籽粒;完整性;图像识别;卷积神经网络;检测系统

基金：国家自然科学基金项目（31971782）和中央高校基本科研业务费专项资金项目（XDJK2019C081）

为了快速、准确识别小麦籽粒的完整粒和破损粒，设计了基于卷积神经网络（CNN）的小麦籽粒完整性图像检测系统，并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像，对图像进行分割、滤波等处理后，建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型，并与SVM和BP神经网络所建模型进行对比。结果表明，SVM和BP神经网络所建模型的验证集识别准确率最高为92.25%；4种卷积神经网络模型明显优于两种传统模型，其中，识别性能最佳的AlexNet的测试集识别准确率为98.02%，识别速率为0.827ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统，检测结果显示，100粒小麦的检测时间为26.3s，其中，图像采集过程平均用时21.2s，图像处理与识别过程平均用时为5.1s，平均识别准确率为96.67%。

来源：2020年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第5期