• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于輕量卷積網(wǎng)絡(luò)的馬鈴薯外部缺陷無損分級

    2021-06-04 02:17:42張建華王關(guān)平閆紅強(qiáng)
    食品科學(xué) 2021年10期
    關(guān)鍵詞:馬鈴薯準(zhǔn)確率分級

    楊 森,馮 全,*,張建華,王關(guān)平,張 鵬,閆紅強(qiáng)

    (1.甘肅農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院,甘肅 蘭州 730070;2.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所,北京 100081)

    馬鈴薯是我國重要的農(nóng)作物之一,馬鈴薯的外部品質(zhì)直接影響產(chǎn)品的經(jīng)濟(jì)效益,同時也是制約馬鈴薯包裝、貯藏和深加工的主要因素[1]?,F(xiàn)階段馬鈴薯的品質(zhì)分級主要采用人工檢測方式,該類方法具勞動強(qiáng)度大、效率低、成本高和一致性差等缺點(diǎn)[2-3],阻礙了馬鈴薯產(chǎn)業(yè)的規(guī)?;l(fā)展。圖像信息直觀反映了馬鈴薯外部特征,利用機(jī)器視覺技術(shù)能夠?qū)嵤R鈴薯外部品質(zhì)的快速、無損檢測[4-6],且在馬鈴薯收獲后的在線分級方面有較大的應(yīng)用價值。目前對于馬鈴薯的分級研究主要集中在外部缺陷與薯形檢測方面,湯全武等[7]結(jié)合高光譜技術(shù)與圖像處理技術(shù),利用主成分分析和小波變換法提取馬鈴薯外部缺陷特征,正確率達(dá)到94.20%;蘇文浩等[8]運(yùn)用高光譜圖像技術(shù)檢測7 種類型馬鈴薯缺陷,對選取的5 個特征波進(jìn)行主成分分析法和圖像差值算法,缺陷的正確識別率達(dá)到96.43%;郭紅艷等[9]采用偏最小二乘回歸系數(shù)法對高光譜成像馬鈴薯提取特征,建立馬鈴薯環(huán)腐病的線性判別模型,識別準(zhǔn)確率達(dá)到93.33%。李小昱等[10]提出一種基于高光譜圖像與果蠅優(yōu)化算法相結(jié)合的馬鈴薯輕微碰傷檢測方法,模型識別的準(zhǔn)確率為100%;Angel等[11]利用高光譜技術(shù)快速檢測結(jié)痂的馬鈴薯,系統(tǒng)的分類準(zhǔn)確率為97.1%;Trong等[12]結(jié)合高光譜技術(shù)與圖像處理技術(shù),通過計算剩余的生料部分面積與馬鈴薯總面積的比率,可以預(yù)測出馬鈴薯最佳蒸煮時間。Dai Fen等[13]利用近紅外拉曼光譜對3 類馬鈴薯品種進(jìn)行識別,結(jié)果表明近紅外拉曼光譜相比熒光光譜法具有較好的分類效果。以上方法都采用高光譜成像技術(shù)與圖像處理結(jié)合進(jìn)行檢測,該類方法識別的準(zhǔn)確率相對較高,但需要特定的圖像光譜儀采集馬鈴薯圖像,與機(jī)器視覺技術(shù)相比成本高,處理速度慢。此外,國內(nèi)外學(xué)者利用機(jī)器視覺技術(shù)實現(xiàn)馬鈴薯的自動分級,Hassankhani等[14]利用閾值法分割出馬鈴薯目標(biāo),提取直徑,面積和周長特征參數(shù),建立大、中、小3 類馬鈴薯的分級模型。王紅軍等[15]利用機(jī)器視覺技術(shù)提取9 個馬鈴薯特征數(shù)據(jù),結(jié)合主成分分析法和多元線性回歸法,建立馬鈴薯質(zhì)量與形狀預(yù)測模型,分級準(zhǔn)確率為86.7%。Razmjooy等[16]基于馬鈴薯顏色特征和支持向量機(jī)分類器,設(shè)計了一種馬鈴薯表面缺陷識別系統(tǒng)。Barnes等[17]利用自適應(yīng)增強(qiáng)算法從分割區(qū)域自動提取最佳特征,準(zhǔn)確檢測出不同品種和不同新鮮程度的馬鈴薯斑點(diǎn)缺陷。

    通過已有的分級方法分析,該類檢測方法主要通過提取顏色、紋理、直徑和形狀等特征參數(shù),利用特定的分類器訓(xùn)練出馬鈴薯分級模型,雖然取得了較好的效果,但實驗多為單一類型缺陷的識別,且對特征相似的不同缺陷難以區(qū)分,具有適應(yīng)性差的特點(diǎn)。輕量卷積神經(jīng)網(wǎng)絡(luò)相比傳統(tǒng)的學(xué)習(xí)方法在特征提取方面具有更強(qiáng)的表達(dá)能力,MobileNet和ShuffleNet網(wǎng)絡(luò)[18]在工業(yè)表面缺陷檢測方面具有較好的效果,但在農(nóng)產(chǎn)品缺陷分級檢測方面研究相對較少。姚明海等[19]結(jié)合SSR-Net輕量級卷積神經(jīng)網(wǎng)絡(luò)與主動學(xué)習(xí)對工件4 類疵病進(jìn)行識別,平均識別精度達(dá)到98.30%。陳俊松等[20]提出了一種基于改進(jìn)YOLOv3的筷子毛刺缺陷檢測方法,改進(jìn)后網(wǎng)絡(luò)能夠同時提高檢測速度和精度。劉洋[21]和Kamal[22]等利用輕量卷積網(wǎng)絡(luò)MobileNet對38 類健康和患病植物缺陷進(jìn)行識別,分類精度達(dá)到98.34%,參數(shù)比VGG網(wǎng)絡(luò)降低29 倍,表明高精度和小尺寸的輕量卷積網(wǎng)絡(luò)更適合于嵌入式設(shè)備的移植。針對馬鈴薯存在缺陷種類繁多和外形相似性高的問題,本實驗利用輕量卷積網(wǎng)絡(luò)自動提取馬鈴薯特征信息,通過遷移學(xué)習(xí)的方法訓(xùn)練出分級檢測模型,以期完成馬鈴薯外部缺陷的快速和準(zhǔn)確檢測。

    1 材料與方法

    1.1 材料

    圖1 不同背景下馬鈴薯外部缺陷示例Fig.1 Examples of potato external defects in different backgrounds

    馬鈴薯樣本采購于甘肅蘭州市蔬菜批發(fā)市場,挑選綠皮、發(fā)芽、機(jī)械損傷、腐爛4 類主要缺陷及合格馬鈴薯組成外部缺陷樣本集。部分缺陷樣本直接在市場上收集困難,將合格馬鈴薯通過黑色食品袋包裝,并在潮濕環(huán)境下放置1 個月,獲得綠皮、發(fā)芽和腐爛的馬鈴薯。馬鈴薯樣本采集的硬件設(shè)備為型號Cannon EOS1200D的數(shù)字相機(jī),分辨率1 080像素×720像素,并在實驗臺上方安裝4 個LED燈,保持拍攝的所有的數(shù)據(jù)集光照條件一致。為增加馬鈴薯外部缺陷檢測網(wǎng)絡(luò)的適用范圍,實驗中設(shè)置不同背景對馬鈴薯圖像進(jìn)行采集,消除背景對模型的干擾。實驗中利用三腳架固定工業(yè)相機(jī),設(shè)置相機(jī)距離馬鈴薯的高度為60 cm,且拍攝角度垂直于樣本,相機(jī)參數(shù)調(diào)節(jié)為近拍模式、自動白平衡和固定的相機(jī)焦距,拍攝時通過相機(jī)的藍(lán)牙功能控制圖像采集,保證所有的拍攝樣本位置一致。由于深度學(xué)習(xí)需要具備大量的樣本集,采集實驗同時拍攝馬鈴薯樣本的俯視圖、左視圖和右視圖,將馬鈴薯各類樣本集擴(kuò)展3 倍。圖1所示馬鈴薯外部缺陷的不同狀態(tài)。

    1.2 輕量卷積網(wǎng)絡(luò)模型

    卷積神經(jīng)網(wǎng)絡(luò)的搭建是深度學(xué)習(xí)的關(guān)鍵技術(shù),VGG-Net、ResNet網(wǎng)絡(luò)[23-24]在分類識別中取得了較好的效果,但該類網(wǎng)絡(luò)基本思路都是通過卷積堆積的方式重復(fù)進(jìn)行卷積和池化操作,利用加深網(wǎng)絡(luò)的深度提取豐富的圖像特征信息,使得網(wǎng)絡(luò)模型參數(shù)規(guī)模巨大,訓(xùn)練的模型占用較大內(nèi)存,模型移植到馬鈴薯在線分級嵌入式設(shè)備運(yùn)行效率較低。Xception卷積網(wǎng)絡(luò)是一種高效率的新型輕量級卷積形式,利用可分離卷積網(wǎng)絡(luò)模塊代替Inception網(wǎng)絡(luò)模塊[25],對空間信息和通道信息完全解耦,進(jìn)一步減少網(wǎng)絡(luò)模型參數(shù),適應(yīng)于嵌入式設(shè)備的應(yīng)用。Xception網(wǎng)絡(luò)的結(jié)構(gòu)[26-27]結(jié)合了深度可分離卷積與ResNet網(wǎng)絡(luò)的思想,主要由輸入流、中間流和輸出流3 部分構(gòu)成,具體結(jié)構(gòu)如圖2所示?;赬ception網(wǎng)絡(luò)的馬鈴薯分級檢測步驟如下:

    1)對輸入的299×299×3的馬鈴薯圖像通過2 次卷積操作產(chǎn)生64 個特征圖譜。

    2)基于可分離卷積層對輸入特征圖的每個通道單獨(dú)進(jìn)行3×3卷積運(yùn)算,利用1×1的卷積運(yùn)算遍歷所有的特征圖,并對特征圖進(jìn)行相加融合運(yùn)算,經(jīng)過重復(fù)可分離卷積操作獲得深度為2 048的特征圖。

    3)對通道數(shù)為2 048的特征圖轉(zhuǎn)化為一維特征向量,將向量輸入全連接層和邏輯回歸層預(yù)測出圖像類別的概率。

    圖2 Xception卷積網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Xception convolutional network structure

    1.3 基于遷移學(xué)習(xí)的馬鈴薯分級模型構(gòu)建

    Xception卷積網(wǎng)絡(luò)共32 層,若對模型的所有參數(shù)初始化進(jìn)行重新訓(xùn)練,需要大量的樣本才能使得模型收斂,而馬鈴薯缺陷樣本數(shù)量相對較小。在本研究中,為了獲得Xception網(wǎng)絡(luò)模型最佳的識別效果,將ImageNet數(shù)據(jù)集訓(xùn)練的模型作為馬鈴薯外部缺陷預(yù)訓(xùn)練的初始模型,通過遷移學(xué)習(xí)[28-29]的方式訓(xùn)練缺陷模型,以縮短模型的訓(xùn)練時間,提高模型的泛化性。馬鈴薯外部缺陷的識別主要包括3 部分,數(shù)據(jù)集的預(yù)處理、馬鈴薯外部缺陷模型的訓(xùn)練和輸出類別的判斷。圖3示出了馬鈴薯外部缺陷識別過程,具體流程如下:

    1)利用縮放和旋轉(zhuǎn)的方法對原始馬鈴薯缺陷數(shù)據(jù)集進(jìn)行擴(kuò)充,隨機(jī)選取數(shù)據(jù)集70%的樣本作為訓(xùn)練集,且將樣本在輸入網(wǎng)絡(luò)之前統(tǒng)一固定尺寸299×299×3。

    2)利用ImageNet數(shù)據(jù)集訓(xùn)練Xception網(wǎng)絡(luò),使得模型參數(shù)獲得充分訓(xùn)練,刪除模型1 000 類的Softmax層,形成Xception預(yù)訓(xùn)練模型。

    3)重新設(shè)計出5 類缺陷標(biāo)簽的全連接層,并與Xception預(yù)訓(xùn)練模型組合,構(gòu)建出馬鈴薯缺陷預(yù)訓(xùn)練模型。

    4)利用馬鈴薯缺陷數(shù)據(jù)集訓(xùn)練模型,網(wǎng)絡(luò)在訓(xùn)練過程中通過不斷迭代的方式微調(diào)全連接層參數(shù),若模型連續(xù)迭代11 輪次損失不降低,則訓(xùn)練將終止,輸出馬鈴薯缺陷識別模型。

    5)利用測試數(shù)據(jù)集驗證識別模型對5 類樣本的分級精度。

    圖3 馬鈴薯外部缺陷識別流程Fig.3 Process flow chart for potato external defect recognition

    2 結(jié)果與分析

    2.1 實驗環(huán)境

    馬鈴薯外部缺陷模型的訓(xùn)練和測試均是基于Keras深度學(xué)習(xí)框架完成的。硬件環(huán)境CPU采用Inter?Xeon E5-2683V3,主頻2.00 GHz,GPU采用NVIDIAteslaK20GPU,內(nèi)存16 GB,顯存5 GB。軟件環(huán)境采用Ubuntu16.04,python3.65的編程環(huán)境。

    2.2 數(shù)據(jù)集圖像與參數(shù)的設(shè)置

    在設(shè)計的實驗環(huán)境下共采集馬鈴薯外部缺陷圖像1 113 幅,其中發(fā)芽馬鈴薯221 幅,綠皮馬鈴薯184 幅,機(jī)械損傷馬鈴薯308 幅,腐爛馬鈴薯194 幅,完整馬鈴薯206 幅。從數(shù)據(jù)庫5 類樣本中隨機(jī)選取60%的樣本作為訓(xùn)練集,20%作為驗證集,20%的作為測試集。實驗的主要參數(shù)設(shè)置為:模型的訓(xùn)練和測試樣本bach size設(shè)置32,學(xué)習(xí)率設(shè)置0.000 01,最大訓(xùn)練次數(shù)初始設(shè)置1 000 輪。為減小模型的過擬合,模型訓(xùn)練實際輪數(shù)設(shè)置早停模式,在訓(xùn)練過程不斷保存精度最高的驗證集模型,連續(xù)訓(xùn)練11 輪后驗證集模型相比最佳模型精度不在提高,整個訓(xùn)練結(jié)束。

    2.3 模型評價指標(biāo)

    為衡量訓(xùn)練模型的識別精度,采用平均準(zhǔn)確率[30]、查全率、查準(zhǔn)率[31]和加權(quán)得分作為模型的評價指標(biāo),平均準(zhǔn)確率計算公式為:

    式中:Acc為平均準(zhǔn)確率;n為缺陷類別數(shù);Fi為單個類別識別準(zhǔn)確率;Nc為預(yù)測正確的第i類樣本數(shù);Np為第i類樣本總數(shù)。

    查準(zhǔn)率和查全率計算公式為:

    式中:Pre為查準(zhǔn)率;Prc為查全率;Tp為正確標(biāo)記有該類缺陷的樣本數(shù)量;Fp為錯誤標(biāo)記有該類缺陷的樣本數(shù)量;FN為錯誤標(biāo)記非該類缺陷的樣本數(shù)量。

    結(jié)合每個類別的查準(zhǔn)率Pre與查全率Prc,計算單個類別的加權(quán)得分S為:

    2.4 模型的測試

    2.4.1 學(xué)習(xí)率對模型性能的影響

    學(xué)習(xí)率是網(wǎng)絡(luò)模型在訓(xùn)練階段需要設(shè)置的重要超參數(shù),不同的學(xué)習(xí)率將影響目標(biāo)函數(shù)的收斂速度,合理置模型的學(xué)習(xí)率使得目標(biāo)函數(shù)能夠收斂到局部最小值。實驗基于Xception網(wǎng)絡(luò)模型將學(xué)習(xí)率分別設(shè)置為0.01、0.001、0.000 1和0.000 01進(jìn)行討論。圖4示出了模型迭代過程中4 種學(xué)習(xí)率下的訓(xùn)練準(zhǔn)確率和損失值曲線變化。從曲線中可知,學(xué)習(xí)率為0.01時模型的準(zhǔn)確率與損失值曲線波動幅度相對較大,且隨著訓(xùn)練輪數(shù)的增加,損失函數(shù)值下降速度較為緩慢,無法趨于穩(wěn)定。當(dāng)學(xué)習(xí)率為0.001和0.000 1時,模型準(zhǔn)確率曲線相比0.01時波動程度減小,但損失函數(shù)值在達(dá)到穩(wěn)定后出現(xiàn)間斷波動,不能達(dá)到較好的收斂效果。學(xué)習(xí)率設(shè)置為0.000 01時,訓(xùn)練準(zhǔn)確率與損失函數(shù)值曲線的變化相對平滑,模型趨于穩(wěn)定需要迭代的輪數(shù)相對較少,訓(xùn)練模型的性能取得較好的效果。為驗證學(xué)習(xí)率取值對測試集識別準(zhǔn)確率的影響。從表1可知,學(xué)習(xí)率設(shè)置為0.000 01時,驗證集準(zhǔn)確率為98.88%,模型訓(xùn)練結(jié)束后損失函數(shù)值為0.034 9,表明該學(xué)習(xí)率下網(wǎng)絡(luò)模型整體性能最優(yōu),與圖4分析的結(jié)果保持一致。此外,在學(xué)習(xí)率為0.000 01條件下,模型在測試集上5 種缺陷類別的平均準(zhǔn)確率為96.37%,識別的準(zhǔn)確性達(dá)到最高,在相同條件下模型平均準(zhǔn)確率相比其他3 種學(xué)習(xí)率分別提高5.57%、4.94%和1.13%。為保證馬鈴薯外部缺陷識別模型獲得最佳的識別效果,本實驗中學(xué)習(xí)率取0.000 01完成模型的訓(xùn)練。

    圖4 不同學(xué)習(xí)率下模型的訓(xùn)練曲線Fig.4 Training curves of the model at different learning rates

    表1 不同學(xué)習(xí)率下缺陷識別準(zhǔn)確率Table 1 Accuracy of defect recognition under different learning rates

    2.4.2 馬鈴薯外部缺陷數(shù)據(jù)集測試實驗

    為驗證網(wǎng)絡(luò)模型對不同缺陷的識別精度,利用測試集對5 類樣本分別統(tǒng)計識別的查準(zhǔn)率、查全率和加權(quán)得分,模型識別結(jié)果如表2所示。由表2可知,腐爛馬鈴薯查準(zhǔn)率相比其他4 類缺陷最低,僅為90.79%,機(jī)械損傷馬鈴薯查全率也相對較低,僅為92.00%,表明機(jī)械損傷馬鈴薯容易誤識別為腐爛馬鈴薯,主要原因是機(jī)械損傷面積較大的馬鈴薯風(fēng)化后與腐爛馬鈴薯特征相似,且在損傷邊緣存在腐爛,導(dǎo)致兩者之間的錯分率提高。合格和發(fā)芽馬鈴薯在5 類缺陷中加權(quán)得分獲得更好的表現(xiàn),分別為98.59%和98.55%,結(jié)果表明合格和發(fā)芽的馬鈴薯特征比其他3 類缺陷區(qū)分度更明顯。總體來看,5 類馬鈴薯缺陷的加權(quán)得分均高于93%,本網(wǎng)絡(luò)模型能夠完成馬鈴薯缺陷的有效分級。

    表2 模型的識別精度Table 2 Model recognition accuracy

    2.4.3 不同網(wǎng)絡(luò)模型對比實驗

    為驗證本實驗網(wǎng)絡(luò)模型識別的有效性,在相同馬鈴薯數(shù)據(jù)集下與9 種不同規(guī)模網(wǎng)絡(luò)模型的識別準(zhǔn)確率進(jìn)行比較實驗。根據(jù)網(wǎng)絡(luò)模型的復(fù)雜程度,將對比的9 種卷積網(wǎng)絡(luò)劃分為4 類,其中LeNet種網(wǎng)絡(luò)為淺層簡單網(wǎng)絡(luò),AlexNet、ZF-Net和TSL16為大型深度卷積網(wǎng)絡(luò),VGG16、ResNet50和ResNet152通過進(jìn)一步加深網(wǎng)絡(luò)深度提高模型的性能,而InceptionV3和MobileNet模型的準(zhǔn)確度與深度模型相當(dāng),但模型的參數(shù)明顯更少,運(yùn)行速度更快。表3示出了馬鈴薯缺陷在不同網(wǎng)絡(luò)模型中的識別準(zhǔn)確率,本實驗構(gòu)建的輕量級網(wǎng)絡(luò)模型識別的平均準(zhǔn)確率為96.04%,識別效果優(yōu)于輕量級網(wǎng)絡(luò)MobileNet和InceptionV3,平均準(zhǔn)確率分別高出14.7%和2.68%。對于LeNet網(wǎng)絡(luò)只有2 個卷集層、2 個池化層和2 個全連接層組成,模型參數(shù)較少,但平均準(zhǔn)確率為88.43%,識別效果相對較差。對于深度較深的ResNet152和ResNet50網(wǎng)絡(luò)平均準(zhǔn)確率為95.82%和92.16%,2 類網(wǎng)絡(luò)模型的平均準(zhǔn)確率均高于其他深度網(wǎng)絡(luò)模型,表明適當(dāng)加深網(wǎng)絡(luò)深度能夠提高網(wǎng)絡(luò)模型的性能,但網(wǎng)絡(luò)模型的參數(shù)和尺寸大幅度增加,計算效率下降。此外,ZF-Net網(wǎng)絡(luò)平均準(zhǔn)確率高于深層ResNet50網(wǎng)絡(luò)1.99%,主要是由于小樣本數(shù)據(jù)集訓(xùn)練深層次網(wǎng)絡(luò),模型不容易收斂,導(dǎo)致網(wǎng)絡(luò)深度增加而準(zhǔn)確率下降。

    表3 不同網(wǎng)絡(luò)模型的識別準(zhǔn)確率Table 3 Recognition accuracy of different network models

    在對比的9 種網(wǎng)絡(luò)模型中,ResNet152網(wǎng)絡(luò)對于馬鈴薯外部缺陷的識別效果較好,平均準(zhǔn)確率僅低于本實驗網(wǎng)絡(luò)模型0.22%。在訓(xùn)練模型的尺寸方面,ResNet152模型尺寸257.8 MB,本實驗?zāi)P统叽?9.6 MB,2 個模型之間尺寸相差較大,表明本實驗?zāi)P驼加脙?nèi)存空間較小,更適合移植到在線檢測的嵌入式設(shè)備。在模型運(yùn)行時間方面,ResNet152模型識別速度為1.7 幅/s,本實驗網(wǎng)絡(luò)模型的識別率為6.4 幅/s,模型運(yùn)行速度是ResNet152模型的3.76 倍,表明本模型能夠滿足馬鈴薯外部缺陷在線分級的實時性。

    3 討論與結(jié)論

    本實驗以腐爛、機(jī)械損傷、發(fā)芽、綠皮和合格的5 類馬鈴薯圖像為例,基于Xception深度卷積網(wǎng)絡(luò)重新設(shè)計出5 類標(biāo)簽的馬鈴薯預(yù)訓(xùn)練模型,再利用遷移學(xué)習(xí)的方法獲得馬鈴薯外部缺陷識別模型。對模型性能進(jìn)行對比實驗,結(jié)果表明:

    1)比較0.1、0.001、0.000 1和0.000 01不同學(xué)習(xí)率下訓(xùn)練模型的精度。采用學(xué)習(xí)率0.000 01訓(xùn)練模型,訓(xùn)練準(zhǔn)確率為98.88%,損失函數(shù)值為0.034 9,外部缺陷識別平均準(zhǔn)確率為96.37%,實驗結(jié)果顯示,該學(xué)習(xí)率下模型性能達(dá)到最優(yōu)。

    2)在測試集上對網(wǎng)絡(luò)模型進(jìn)行評估,腐爛馬鈴薯查準(zhǔn)率和機(jī)械損傷馬鈴薯查全率相對較低,該模型對腐爛和機(jī)械損傷馬鈴薯兩者之間容易誤判。整體上,腐爛、機(jī)械損傷、綠皮、發(fā)芽和合格5 類馬鈴薯識別的加權(quán)得分分別為93.31%、95.28%、94.49%、98.55%和98.59%,結(jié)果表明本實驗網(wǎng)絡(luò)模型對馬鈴薯的外部缺陷識別取得了較好的效果。

    3)利用相同的測試數(shù)據(jù)集與不同深度的9 類網(wǎng)絡(luò)模型進(jìn)行比較實驗,本實驗?zāi)P偷淖R別平均準(zhǔn)確率高達(dá)96.04%,相比識別效果較好的深度網(wǎng)絡(luò)ResNet152和輕量級網(wǎng)絡(luò)InceptionV3模型平均識別率提高0.22%和2.68%,且識別所需的時間較短。綜合模型的平均準(zhǔn)確率和運(yùn)行速度指標(biāo),表明本實驗建立的輕量級網(wǎng)絡(luò)模型對馬鈴薯的外部識別效果優(yōu)于其他9 種網(wǎng)絡(luò)模型。

    基于深度學(xué)習(xí)技術(shù)對馬鈴薯外部缺陷圖像進(jìn)行識別,具有準(zhǔn)確率高、硬件成本低和運(yùn)行速度快等特點(diǎn),該技術(shù)將對實現(xiàn)馬鈴薯在線分級檢測提供了可行性。

    猜你喜歡
    馬鈴薯準(zhǔn)確率分級
    馬鈴薯有功勞
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    分級診療路難行?
    定邊馬鈴薯
    陜西畫報(2016年1期)2016-12-01 05:35:30
    分級診療的“分”與“整”
    胖胖的馬鈴薯
    分級診療的強(qiáng)、引、合
    毛片一级片免费看久久久久| 亚洲精品456在线播放app| 777米奇影视久久| 街头女战士在线观看网站| 熟女电影av网| 日韩电影二区| a级毛色黄片| 亚洲av电影在线观看一区二区三区| 久久99精品国语久久久| .国产精品久久| 99re6热这里在线精品视频| 国产探花极品一区二区| 黑人欧美特级aaaaaa片| 亚洲av福利一区| 大片电影免费在线观看免费| 人人妻人人澡人人看| 成人国产av品久久久| av在线播放精品| 观看av在线不卡| freevideosex欧美| 欧美日韩在线观看h| 国产探花极品一区二区| 亚洲无线观看免费| 美女中出高潮动态图| 特大巨黑吊av在线直播| 丝袜在线中文字幕| 18禁观看日本| 晚上一个人看的免费电影| 少妇熟女欧美另类| 一边摸一边做爽爽视频免费| 国产乱人偷精品视频| 80岁老熟妇乱子伦牲交| 精品酒店卫生间| 在线看a的网站| 美女主播在线视频| 国产精品免费大片| 人妻人人澡人人爽人人| 精品亚洲乱码少妇综合久久| 99re6热这里在线精品视频| 男的添女的下面高潮视频| 极品人妻少妇av视频| 欧美性感艳星| 麻豆精品久久久久久蜜桃| av在线老鸭窝| 看十八女毛片水多多多| 欧美日韩视频精品一区| 国产精品女同一区二区软件| 免费黄色在线免费观看| 少妇被粗大的猛进出69影院 | 少妇熟女欧美另类| 日韩电影二区| 高清黄色对白视频在线免费看| 亚洲美女视频黄频| 国产成人a∨麻豆精品| 最近的中文字幕免费完整| 国产在线一区二区三区精| 亚洲性久久影院| 国产免费福利视频在线观看| 国产欧美另类精品又又久久亚洲欧美| 国精品久久久久久国模美| 国产精品国产三级国产专区5o| 男人添女人高潮全过程视频| 免费高清在线观看日韩| 亚洲av男天堂| 国产高清有码在线观看视频| 啦啦啦啦在线视频资源| 国产淫语在线视频| 成年人免费黄色播放视频| 大陆偷拍与自拍| 这个男人来自地球电影免费观看 | a级片在线免费高清观看视频| 黄色配什么色好看| 男女啪啪激烈高潮av片| 国产欧美日韩综合在线一区二区| 日韩中文字幕视频在线看片| 嫩草影院入口| 久久精品夜色国产| 国产精品麻豆人妻色哟哟久久| 亚洲性久久影院| 中文字幕人妻丝袜制服| 3wmmmm亚洲av在线观看| 男女国产视频网站| 在现免费观看毛片| 乱码一卡2卡4卡精品| 亚洲,欧美,日韩| 日韩人妻高清精品专区| 亚洲av成人精品一二三区| 男女高潮啪啪啪动态图| 亚洲国产精品成人久久小说| 晚上一个人看的免费电影| 青春草视频在线免费观看| 久久女婷五月综合色啪小说| 欧美日韩在线观看h| 在线观看三级黄色| av电影中文网址| 亚洲五月色婷婷综合| 亚洲av在线观看美女高潮| 成年人免费黄色播放视频| 亚洲av欧美aⅴ国产| 99热国产这里只有精品6| 菩萨蛮人人尽说江南好唐韦庄| 午夜激情久久久久久久| 精品国产国语对白av| 亚洲国产色片| 国产一区有黄有色的免费视频| 欧美日本中文国产一区发布| 天天操日日干夜夜撸| 欧美精品亚洲一区二区| 日韩av不卡免费在线播放| 色婷婷av一区二区三区视频| 寂寞人妻少妇视频99o| 亚洲精华国产精华液的使用体验| 日韩中字成人| 成人亚洲精品一区在线观看| 99热这里只有精品一区| 亚洲国产最新在线播放| 成人黄色视频免费在线看| 日本免费在线观看一区| 美女视频免费永久观看网站| 啦啦啦中文免费视频观看日本| 一区二区av电影网| 边亲边吃奶的免费视频| 少妇被粗大的猛进出69影院 | 26uuu在线亚洲综合色| 久久国产精品大桥未久av| 涩涩av久久男人的天堂| 简卡轻食公司| 亚洲精品国产色婷婷电影| 亚洲怡红院男人天堂| 日本-黄色视频高清免费观看| 久久狼人影院| 九色亚洲精品在线播放| 18禁在线播放成人免费| 十分钟在线观看高清视频www| 国产黄色免费在线视频| 国产精品一区二区三区四区免费观看| 久久久久久久久久久丰满| 99热6这里只有精品| 国产高清国产精品国产三级| 日韩大片免费观看网站| 精品久久久久久久久亚洲| 欧美亚洲 丝袜 人妻 在线| 国产白丝娇喘喷水9色精品| 考比视频在线观看| 国产深夜福利视频在线观看| 下体分泌物呈黄色| 王馨瑶露胸无遮挡在线观看| 成人影院久久| 国产亚洲欧美精品永久| 3wmmmm亚洲av在线观看| 精品人妻偷拍中文字幕| 女性生殖器流出的白浆| 午夜免费男女啪啪视频观看| 久久久精品免费免费高清| 国产精品麻豆人妻色哟哟久久| 久热久热在线精品观看| 大片免费播放器 马上看| 2018国产大陆天天弄谢| 亚洲一级一片aⅴ在线观看| 免费观看a级毛片全部| av有码第一页| h视频一区二区三区| 老熟女久久久| 欧美xxxx性猛交bbbb| 在线观看美女被高潮喷水网站| xxx大片免费视频| 婷婷色综合大香蕉| 2022亚洲国产成人精品| 国产免费福利视频在线观看| 国产午夜精品一二区理论片| 国产深夜福利视频在线观看| 亚洲精品456在线播放app| 男人爽女人下面视频在线观看| 国产黄片视频在线免费观看| 色吧在线观看| 日本色播在线视频| 日本-黄色视频高清免费观看| 国产探花极品一区二区| 成年美女黄网站色视频大全免费 | 成年人免费黄色播放视频| 国产爽快片一区二区三区| 下体分泌物呈黄色| 久久国内精品自在自线图片| 亚洲国产精品一区三区| 欧美另类一区| 免费不卡的大黄色大毛片视频在线观看| 最新的欧美精品一区二区| av有码第一页| 午夜福利视频在线观看免费| 亚洲国产成人一精品久久久| 国语对白做爰xxxⅹ性视频网站| a级毛片免费高清观看在线播放| 亚洲欧美成人综合另类久久久| 久久99一区二区三区| 久久精品国产亚洲av涩爱| 中文字幕久久专区| 午夜影院在线不卡| 天天影视国产精品| 欧美97在线视频| 精品一品国产午夜福利视频| 在线观看免费视频网站a站| 久久国产精品男人的天堂亚洲 | 丝袜美足系列| 国产精品熟女久久久久浪| 2021少妇久久久久久久久久久| 夜夜骑夜夜射夜夜干| 能在线免费看毛片的网站| 亚洲欧美中文字幕日韩二区| 亚洲精品第二区| 韩国高清视频一区二区三区| 亚洲精品国产av蜜桃| 国产日韩欧美亚洲二区| 在线亚洲精品国产二区图片欧美 | 久久久久精品久久久久真实原创| 视频区图区小说| 99热网站在线观看| 99热网站在线观看| 久久人人爽av亚洲精品天堂| 久久精品久久精品一区二区三区| 搡老乐熟女国产| 国产精品国产三级国产av玫瑰| 成人手机av| 汤姆久久久久久久影院中文字幕| 中文天堂在线官网| 母亲3免费完整高清在线观看 | 精品久久久久久久久av| 久久午夜福利片| 一边摸一边做爽爽视频免费| 人妻 亚洲 视频| 亚洲第一区二区三区不卡| 最新中文字幕久久久久| 黑人猛操日本美女一级片| 久久 成人 亚洲| 在线免费观看不下载黄p国产| 91成人精品电影| 国产在线免费精品| 国产精品一国产av| 色哟哟·www| 亚洲av免费高清在线观看| 热re99久久精品国产66热6| h视频一区二区三区| 国产熟女欧美一区二区| 观看av在线不卡| 色哟哟·www| 国语对白做爰xxxⅹ性视频网站| 亚洲av综合色区一区| 成年av动漫网址| 中文字幕久久专区| 午夜福利,免费看| 亚洲国产毛片av蜜桃av| 五月开心婷婷网| 大话2 男鬼变身卡| 免费观看的影片在线观看| 在线观看www视频免费| 久久久久久久大尺度免费视频| 免费黄频网站在线观看国产| 亚洲国产精品999| 成人免费观看视频高清| 免费高清在线观看日韩| 亚洲精品一二三| 国产一区有黄有色的免费视频| 日韩电影二区| 中文字幕久久专区| 成年女人在线观看亚洲视频| 天堂中文最新版在线下载| 免费高清在线观看视频在线观看| 久久99精品国语久久久| 日韩人妻高清精品专区| 久久久午夜欧美精品| 极品人妻少妇av视频| 99热国产这里只有精品6| 午夜久久久在线观看| 久久 成人 亚洲| 亚洲欧洲精品一区二区精品久久久 | kizo精华| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 新久久久久国产一级毛片| 久久久国产欧美日韩av| 伊人久久精品亚洲午夜| 岛国毛片在线播放| 插逼视频在线观看| 亚洲av欧美aⅴ国产| 又大又黄又爽视频免费| 国产精品人妻久久久影院| 国产亚洲最大av| av不卡在线播放| 精品一区二区三区视频在线| 熟妇人妻不卡中文字幕| 亚洲国产欧美日韩在线播放| 中文字幕人妻熟人妻熟丝袜美| 日本欧美视频一区| 97超碰精品成人国产| 午夜福利在线观看免费完整高清在| 日韩伦理黄色片| 男女边吃奶边做爰视频| 国产av国产精品国产| 999精品在线视频| 国产日韩欧美在线精品| 亚洲精品一二三| 国产欧美亚洲国产| 欧美亚洲 丝袜 人妻 在线| 日韩精品有码人妻一区| √禁漫天堂资源中文www| 啦啦啦中文免费视频观看日本| 久久精品国产亚洲网站| 麻豆精品久久久久久蜜桃| 久久精品国产亚洲av天美| 日韩,欧美,国产一区二区三区| 国产成人精品久久久久久| 人人妻人人澡人人看| 黑人欧美特级aaaaaa片| 免费日韩欧美在线观看| 欧美日韩亚洲高清精品| 亚洲精品乱码久久久v下载方式| 在线播放无遮挡| 99re6热这里在线精品视频| 久久久久久久久久成人| 伊人亚洲综合成人网| 欧美精品一区二区免费开放| 国产一区二区在线观看日韩| 五月玫瑰六月丁香| 一本一本综合久久| 亚洲五月色婷婷综合| 91成人精品电影| 肉色欧美久久久久久久蜜桃| 3wmmmm亚洲av在线观看| 久久精品国产自在天天线| 久久国产亚洲av麻豆专区| 免费黄色在线免费观看| 亚洲av不卡在线观看| 日韩精品免费视频一区二区三区 | 丁香六月天网| 美女大奶头黄色视频| 国产免费现黄频在线看| 十八禁网站网址无遮挡| 日本免费在线观看一区| av免费在线看不卡| 国产成人免费无遮挡视频| 亚洲精品国产av成人精品| 午夜影院在线不卡| 伊人久久精品亚洲午夜| 视频在线观看一区二区三区| 中国三级夫妇交换| 黑人欧美特级aaaaaa片| 午夜福利影视在线免费观看| 欧美 日韩 精品 国产| 欧美激情 高清一区二区三区| 高清午夜精品一区二区三区| 欧美人与性动交α欧美精品济南到 | av国产久精品久网站免费入址| 飞空精品影院首页| 精品视频人人做人人爽| 精品酒店卫生间| 在线观看免费日韩欧美大片 | 最近手机中文字幕大全| 97精品久久久久久久久久精品| 午夜影院在线不卡| 人妻夜夜爽99麻豆av| 少妇人妻 视频| 色哟哟·www| 97精品久久久久久久久久精品| 亚洲三级黄色毛片| 亚洲成色77777| 七月丁香在线播放| 美女福利国产在线| 嘟嘟电影网在线观看| 日本黄色日本黄色录像| 男的添女的下面高潮视频| 一本—道久久a久久精品蜜桃钙片| 丝袜脚勾引网站| 久久久久久人妻| 欧美人与善性xxx| 亚洲一区二区三区欧美精品| 在线观看国产h片| 国产精品99久久99久久久不卡 | 王馨瑶露胸无遮挡在线观看| 久久久久久久亚洲中文字幕| 国产日韩欧美亚洲二区| 国产高清不卡午夜福利| 一区二区av电影网| 在线免费观看不下载黄p国产| 一级爰片在线观看| 伦理电影大哥的女人| 99热国产这里只有精品6| 国产成人av激情在线播放 | 国产精品欧美亚洲77777| 九色亚洲精品在线播放| av黄色大香蕉| 亚洲精品一二三| 国产成人免费观看mmmm| 春色校园在线视频观看| 999精品在线视频| av有码第一页| 国产精品偷伦视频观看了| 久久青草综合色| 亚洲精品久久成人aⅴ小说 | 午夜福利在线观看免费完整高清在| 国产亚洲最大av| 香蕉精品网在线| av免费观看日本| 在现免费观看毛片| 欧美三级亚洲精品| 欧美日韩av久久| 久久久国产精品麻豆| 午夜免费鲁丝| 成年人免费黄色播放视频| 成人18禁高潮啪啪吃奶动态图 | 国产精品偷伦视频观看了| 久久99热6这里只有精品| 欧美三级亚洲精品| 精品人妻熟女av久视频| 伦精品一区二区三区| 男女高潮啪啪啪动态图| 久久亚洲国产成人精品v| 精品国产一区二区久久| 三上悠亚av全集在线观看| 欧美日韩成人在线一区二区| 久久久久久久大尺度免费视频| 我的老师免费观看完整版| 一本久久精品| 久久人妻熟女aⅴ| 免费观看性生交大片5| 伦理电影大哥的女人| 久久人人爽av亚洲精品天堂| 性高湖久久久久久久久免费观看| 校园人妻丝袜中文字幕| 夫妻性生交免费视频一级片| 婷婷色综合大香蕉| 亚洲国产成人一精品久久久| 制服诱惑二区| 另类精品久久| 成人国产麻豆网| 婷婷成人精品国产| 人人妻人人澡人人看| 蜜桃国产av成人99| 亚洲av国产av综合av卡| 亚洲欧美一区二区三区国产| 如日韩欧美国产精品一区二区三区 | 亚洲国产精品成人久久小说| 精品酒店卫生间| 午夜老司机福利剧场| www.av在线官网国产| 18禁在线无遮挡免费观看视频| 欧美人与善性xxx| 国产成人免费无遮挡视频| 天天影视国产精品| 丰满乱子伦码专区| 亚洲丝袜综合中文字幕| 亚洲精品国产色婷婷电影| 午夜福利,免费看| 久久久久人妻精品一区果冻| 欧美+日韩+精品| 亚洲内射少妇av| 精品亚洲成a人片在线观看| 欧美精品国产亚洲| 妹子高潮喷水视频| 视频区图区小说| 国产一级毛片在线| 69精品国产乱码久久久| 精品亚洲成a人片在线观看| 少妇人妻 视频| 午夜影院在线不卡| 国产成人免费观看mmmm| 男女无遮挡免费网站观看| 在线观看国产h片| 久久国产精品男人的天堂亚洲 | 国产精品欧美亚洲77777| 久久精品国产a三级三级三级| 97超视频在线观看视频| 一个人免费看片子| 97在线视频观看| 青春草视频在线免费观看| 大片电影免费在线观看免费| 午夜福利,免费看| 一级a做视频免费观看| 亚洲,欧美,日韩| 99九九线精品视频在线观看视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 午夜精品国产一区二区电影| 男人操女人黄网站| 一个人免费看片子| 精品久久久久久电影网| h视频一区二区三区| 综合色丁香网| 国产成人freesex在线| 性色avwww在线观看| 99精国产麻豆久久婷婷| 狂野欧美激情性bbbbbb| 观看av在线不卡| 在线亚洲精品国产二区图片欧美 | 一级黄片播放器| 成人手机av| 人妻少妇偷人精品九色| 欧美日韩视频精品一区| 欧美丝袜亚洲另类| 一级毛片 在线播放| 少妇被粗大的猛进出69影院 | 大片电影免费在线观看免费| 在线播放无遮挡| av一本久久久久| 久久亚洲国产成人精品v| 成人18禁高潮啪啪吃奶动态图 | 亚洲国产精品专区欧美| 精品一品国产午夜福利视频| 国产国拍精品亚洲av在线观看| 欧美+日韩+精品| 一级毛片我不卡| 性高湖久久久久久久久免费观看| 中文乱码字字幕精品一区二区三区| 男女免费视频国产| a级毛片黄视频| 日本色播在线视频| 97精品久久久久久久久久精品| av免费观看日本| 欧美精品高潮呻吟av久久| 国产精品人妻久久久影院| 国产伦理片在线播放av一区| 久久影院123| 国产精品一区二区在线观看99| 国产高清国产精品国产三级| 精品少妇黑人巨大在线播放| av不卡在线播放| 我的老师免费观看完整版| 999精品在线视频| 99久久中文字幕三级久久日本| 少妇精品久久久久久久| 久久人人爽av亚洲精品天堂| 少妇高潮的动态图| 国产精品一区www在线观看| 日韩人妻高清精品专区| 街头女战士在线观看网站| 另类精品久久| 国产精品人妻久久久影院| 人妻一区二区av| 免费观看无遮挡的男女| 女人久久www免费人成看片| 热99国产精品久久久久久7| 精品人妻偷拍中文字幕| 亚洲不卡免费看| 国产精品免费大片| 日日摸夜夜添夜夜添av毛片| 最近手机中文字幕大全| 成人毛片60女人毛片免费| 欧美成人精品欧美一级黄| 一区二区三区精品91| 在线观看人妻少妇| 黑人欧美特级aaaaaa片| 国产欧美亚洲国产| 中文乱码字字幕精品一区二区三区| 美女脱内裤让男人舔精品视频| 最近2019中文字幕mv第一页| 日韩精品有码人妻一区| 99热6这里只有精品| 成人手机av| 蜜桃久久精品国产亚洲av| 成人黄色视频免费在线看| 国产一区有黄有色的免费视频| 丰满迷人的少妇在线观看| 日本黄色日本黄色录像| 美女国产高潮福利片在线看| 亚洲欧美一区二区三区黑人 | 亚洲av男天堂| 成人二区视频| 一区二区av电影网| 国产又色又爽无遮挡免| 男女国产视频网站| 99国产综合亚洲精品| 日本黄色片子视频| 日韩伦理黄色片| av视频免费观看在线观看| 精品国产国语对白av| 久久国产精品大桥未久av| 建设人人有责人人尽责人人享有的| 亚洲色图 男人天堂 中文字幕 | 免费黄网站久久成人精品| 国产国语露脸激情在线看| 午夜免费男女啪啪视频观看| 国语对白做爰xxxⅹ性视频网站| 性高湖久久久久久久久免费观看| 99热6这里只有精品| 国产一区二区三区av在线| 少妇精品久久久久久久| 人人澡人人妻人| 黄色配什么色好看| 人妻少妇偷人精品九色| 精品国产露脸久久av麻豆| 婷婷色av中文字幕| 最新中文字幕久久久久| 国产不卡av网站在线观看| 我要看黄色一级片免费的| 交换朋友夫妻互换小说| 亚洲精品一区蜜桃| 色哟哟·www| 国产精品99久久久久久久久| av女优亚洲男人天堂| 免费人妻精品一区二区三区视频| 精品久久久噜噜| 午夜福利视频精品| 91精品一卡2卡3卡4卡| 插阴视频在线观看视频| 国产精品无大码| 99久久人妻综合| 人人澡人人妻人| av网站免费在线观看视频| 青春草国产在线视频| 日韩三级伦理在线观看| 看免费成人av毛片| 久久国内精品自在自线图片| 久久精品久久久久久噜噜老黄| 嘟嘟电影网在线观看| 亚洲精品乱久久久久久| 五月开心婷婷网| 一级黄片播放器| 国产成人精品久久久久久| 国产69精品久久久久777片|