农业机械学报

作者：高霁月，倪建功，杨昊岩，韩仲志

单位：青岛农业大学,青岛农业大学,青岛农业大学,青岛农业大学,

关键词：开心果;深度学习;数据平衡;视觉检测

基金：国家自然科学基金项目（31872849）、山东省重点研发计划项目（2019GNC106037）、山东省高等学校青创计划团队项目（2020KJF004）和青岛市科技发展计划项目（19-6-1-66-nsh、19-6-1-72-nsh）

为探究数据集中分类数量的平衡性对开心果品质检测的影响，将开心果图像与深度学习网络相结合，提出一种数据自动平衡的检测方法。根据行业标准将开心果数据集分为开口、闭口和缺陷3类，在此基础上再分为未经数据平衡和经过数据平衡2个数据集，分别使用AlexNet、GoogLeNet、ResNet50、SqueezeNet、ShuffleNet和Xception 6种网络对2类数据集进行分类测试。结果表明，经过数据平衡的数据集网络准确率均得到了提高，6种网络平均测试准确率由96.75%提高到99.26%，SqueezeNet网络的测试集准确率提升最明显，由93.76%提高到99.02%，ResNet50网络的测试准确率最高，为99.96%。本文方法可用于开心果品质视觉检测。

来源：2021年第7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7期