农业机械学报

作者：戚超，左毅，陈哲琪，陈坤杰

单位：南京农业大学,南京农业大学,南京农业大学,南京农业大学,

关键词：大米加工;精度分级;卷积神经网络;超列技术;最大相关-最小冗余特征选择

基金：苏北科技专项-富民强县项目(SZ-YC2019002)

为了准确识别大米精度等级，结合超列技术（Hyper column technology，HCT）、最大相关-最小冗余（Max-relevance and min-redundancy，MRMR）特征选择算法和极限学习机（Extreme learning machine，ELM），提出了基于改进VGG16卷积神经网络的大米分级检测方法。首先，使用机器学习中的OneHot格式进行编码，对数据进行归一化；然后采用VGG16卷积神经网络结合HCT技术作为特征提取器，从而保证从不同的深层结构中提取出局部鉴别特征，共提取5248个大米特征信息；采用MRMR特征选择算法剔除大量冗余的大米图像特征，筛选出最有效的500个特征；最后，利用ELM技术进行大米加工精度分级。将5848个样本图像按6∶3∶1的比例随机分为训练集、测试集与验证集，对模型进行训练与测试，结果表明，基于改进VGG16卷积神经网络的大米加工精度分级模型对1755个测试集大米样本分类的总体准确率达到97.32%，对大米加工精度的分级预测速度在85t/h以上，基本满足大米生产线的分级要求。

来源：2021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2021年第5期