农业机械学报

作者：张宇卓，王德成，方宪法，吕程序，董鑫，李佳

单位：中国农业大学,中国农业大学,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,

关键词：玉米种子;内部裂纹;图像识别;卷积神经网络

基金：国家重点研发计划项目（2018YFD0101003）

为了高效检测玉米种子内部裂纹，设计基于卷积神经网络(CNN)的检测系统及批量检测方法，采集有裂纹和无裂纹的玉米种子制作数据集，构建AlexNet、VGG11、InceptionV3和ResNet18共4种经典卷积神经网络，同时与传统算法模型SVM和BP神经网络进行对比实验。实验发现，卷积神经网络模型优于这两种传统算法模型，ResNet18模型的综合检测性能最佳，单粒有裂纹种子的识别准确率为95.04%，单粒无裂纹种子的识别准确率为98.06%，平均单粒种子识别时间为4.42s。基于ResNet18，搭建种子内部裂纹自动识别装置，设计识别软件控制装置，得到玉米种子内部裂纹识别系统。系统实验进行10组批量识别，有裂纹种子的平均识别准确率为94.25%,无裂纹种子的平均识别准确率为97.25%，批量识别中光源的透射无法等效地显现所有种子的内部裂纹、多次加载模型权重导致泛化性不足等因素会影响准确率。

来源：2022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2022年第5期