• <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
    不卡av一区二区三区| 啦啦啦在线免费观看视频4| av网站在线播放免费| 亚洲男人的天堂狠狠| 国产精品 欧美亚洲| 国产片内射在线| 成人18禁高潮啪啪吃奶动态图| 亚洲精品国产色婷婷电影| 中文字幕最新亚洲高清| 久久午夜综合久久蜜桃| 人人澡人人妻人| 国产精品亚洲一级av第二区| 久久亚洲精品不卡| 国产成人精品久久二区二区91| av片东京热男人的天堂| 老司机深夜福利视频在线观看| 乱人伦中国视频| 亚洲av成人av| 国产极品粉嫩免费观看在线| 看黄色毛片网站| 丰满饥渴人妻一区二区三| 一区福利在线观看| 中国美女看黄片| 亚洲精品国产一区二区精华液| 不卡av一区二区三区| 亚洲成人免费av在线播放| 午夜福利在线免费观看网站| 亚洲成a人片在线一区二区| 国产精品野战在线观看 | 成人黄色视频免费在线看| 国产高清国产精品国产三级| 激情视频va一区二区三区| 91麻豆精品激情在线观看国产 | 亚洲精品中文字幕在线视频| a级片在线免费高清观看视频| 色精品久久人妻99蜜桃| 久久影院123| 国产乱人伦免费视频| 天天躁狠狠躁夜夜躁狠狠躁| 日本免费a在线| 女人精品久久久久毛片| 一边摸一边抽搐一进一出视频| 天天影视国产精品| 日日干狠狠操夜夜爽| 欧美黄色淫秽网站| 亚洲一区二区三区不卡视频| 色在线成人网| 满18在线观看网站| 在线播放国产精品三级| 精品一区二区三区视频在线观看免费 | 女性生殖器流出的白浆| 色婷婷av一区二区三区视频| 老司机亚洲免费影院| 一级a爱片免费观看的视频| 香蕉丝袜av| 最新在线观看一区二区三区| 欧美 亚洲 国产 日韩一| 亚洲欧美日韩无卡精品| 人成视频在线观看免费观看| 成人18禁高潮啪啪吃奶动态图| 午夜两性在线视频| 免费在线观看完整版高清| 国产黄色免费在线视频| 亚洲精品久久午夜乱码| 乱人伦中国视频| 亚洲性夜色夜夜综合| 性少妇av在线| 美女国产高潮福利片在线看| 亚洲,欧美精品.| 高清毛片免费观看视频网站 | 日韩 欧美 亚洲 中文字幕| 男女下面插进去视频免费观看| 精品午夜福利视频在线观看一区| 亚洲欧美日韩另类电影网站| 国产黄a三级三级三级人| 在线观看日韩欧美| 欧美 亚洲 国产 日韩一| 精品一区二区三卡| 国产成人影院久久av| 久久午夜综合久久蜜桃| 嫩草影视91久久| 天天添夜夜摸| 日本三级黄在线观看| 少妇 在线观看| 一进一出好大好爽视频| 久久精品亚洲av国产电影网| 美女福利国产在线| 人人妻,人人澡人人爽秒播| 久久久精品欧美日韩精品| 日韩一卡2卡3卡4卡2021年| 欧美日韩国产mv在线观看视频| 精品久久久久久,| 91精品国产国语对白视频| 丝袜在线中文字幕| 欧美激情高清一区二区三区| 黄色片一级片一级黄色片| 久久久国产成人精品二区 | 免费观看人在逋| 免费人成视频x8x8入口观看| 欧美日韩视频精品一区| 亚洲免费av在线视频| 日韩欧美在线二视频| 久久 成人 亚洲| 女性被躁到高潮视频| 不卡一级毛片| 亚洲美女黄片视频| 欧美激情 高清一区二区三区| 国产精品日韩av在线免费观看 | tocl精华| 亚洲国产中文字幕在线视频| 色播在线永久视频| 国产欧美日韩一区二区三区在线| 午夜亚洲福利在线播放| 欧美中文综合在线视频| 亚洲精品中文字幕在线视频| 午夜亚洲福利在线播放| 国产精品 欧美亚洲| 夜夜看夜夜爽夜夜摸 | 天堂影院成人在线观看| 大型黄色视频在线免费观看| cao死你这个sao货| 亚洲精品av麻豆狂野| av中文乱码字幕在线| 日日干狠狠操夜夜爽| 伦理电影免费视频| 伊人久久大香线蕉亚洲五| 国产av精品麻豆| 欧美一级毛片孕妇| 精品国产亚洲在线| 国产成人精品在线电影| 国产成人啪精品午夜网站| 国产亚洲精品久久久久久毛片| www.999成人在线观看| 三级毛片av免费| 国产伦一二天堂av在线观看| 国产一卡二卡三卡精品| 国产欧美日韩一区二区精品| 韩国av一区二区三区四区| 一a级毛片在线观看| 麻豆av在线久日| 久久青草综合色| 亚洲伊人色综图| 亚洲aⅴ乱码一区二区在线播放 | 精品免费久久久久久久清纯| 我的亚洲天堂| 美女大奶头视频| 麻豆av在线久日| 亚洲 欧美一区二区三区| 亚洲伊人色综图| 亚洲黑人精品在线| 看片在线看免费视频| 在线视频色国产色| 午夜福利在线观看吧| 亚洲在线自拍视频| 国产又爽黄色视频| 99香蕉大伊视频| 精品国产国语对白av| 在线观看免费视频网站a站| 亚洲五月婷婷丁香| 午夜福利影视在线免费观看| 国产av一区二区精品久久| 制服诱惑二区| 国产亚洲精品综合一区在线观看 | 国产99久久九九免费精品| 精品人妻1区二区| 夜夜爽天天搞| 亚洲午夜理论影院| 精品国产美女av久久久久小说| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲av五月六月丁香网| 国产精品日韩av在线免费观看 | 欧美日韩精品网址| 女性生殖器流出的白浆| 欧美另类亚洲清纯唯美| 自线自在国产av| 久久久久久久精品吃奶| 亚洲精品av麻豆狂野| 亚洲第一av免费看| 在线观看免费午夜福利视频| 欧美 亚洲 国产 日韩一| a级片在线免费高清观看视频| 精品无人区乱码1区二区| 久久久久国产精品人妻aⅴ院| 亚洲av美国av| 高清av免费在线| 不卡一级毛片| 电影成人av| 看片在线看免费视频| 国产精品香港三级国产av潘金莲| 久久这里只有精品19| 国产乱人伦免费视频| 亚洲精品粉嫩美女一区| 久久久国产一区二区| 不卡一级毛片| 电影成人av| 看免费av毛片| 纯流量卡能插随身wifi吗| 亚洲欧美日韩无卡精品| 久久婷婷成人综合色麻豆| 亚洲av美国av| 精品熟女少妇八av免费久了| 国产熟女xx| 亚洲 国产 在线| 国产一区二区激情短视频| 97超级碰碰碰精品色视频在线观看| 在线十欧美十亚洲十日本专区| 日韩欧美一区二区三区在线观看| 欧美乱妇无乱码| 窝窝影院91人妻| 韩国精品一区二区三区| 嫩草影院精品99| 日本vs欧美在线观看视频| 搡老熟女国产l中国老女人| 天天躁狠狠躁夜夜躁狠狠躁| 老鸭窝网址在线观看| 欧美久久黑人一区二区| 日本免费一区二区三区高清不卡 | 精品国产美女av久久久久小说| 1024视频免费在线观看| 法律面前人人平等表现在哪些方面| 国产精品乱码一区二三区的特点 | 亚洲第一青青草原| 久久精品成人免费网站| 久久狼人影院| 久久人妻熟女aⅴ| 夜夜夜夜夜久久久久| 黑人操中国人逼视频| 好男人电影高清在线观看| 国产精品爽爽va在线观看网站 | 精品国产亚洲在线| 88av欧美| 99精品久久久久人妻精品| 精品久久久久久久久久免费视频 | 日本黄色日本黄色录像| 成人手机av| 精品国产乱子伦一区二区三区| 亚洲中文字幕日韩| 欧美黑人欧美精品刺激| 亚洲五月婷婷丁香| 免费一级毛片在线播放高清视频 | 国产在线观看jvid| 亚洲黑人精品在线| 午夜久久久在线观看| 成人影院久久| 侵犯人妻中文字幕一二三四区| av中文乱码字幕在线| 精品国产美女av久久久久小说| 嫁个100分男人电影在线观看| 人人妻人人添人人爽欧美一区卜| 亚洲中文字幕日韩| 国产精品九九99| 首页视频小说图片口味搜索| 国产精品一区二区精品视频观看| 亚洲视频免费观看视频| 久久久国产成人免费| 欧美久久黑人一区二区| 黑人巨大精品欧美一区二区mp4| 亚洲视频免费观看视频| 青草久久国产| 成人18禁高潮啪啪吃奶动态图| 亚洲 欧美 日韩 在线 免费| 亚洲精品一二三| 欧美色视频一区免费| 精品国产乱子伦一区二区三区| 午夜视频精品福利| 女性生殖器流出的白浆| 日本wwww免费看| 欧美 亚洲 国产 日韩一| 天天影视国产精品| 啪啪无遮挡十八禁网站| www.熟女人妻精品国产| 午夜两性在线视频| 在线天堂中文资源库| 亚洲人成电影免费在线| 午夜福利影视在线免费观看| avwww免费| 麻豆国产av国片精品| 亚洲中文日韩欧美视频| a级片在线免费高清观看视频| 大码成人一级视频| 亚洲精品一区av在线观看| 成年人黄色毛片网站| 国产精品99久久99久久久不卡| 精品国产乱码久久久久久男人| 中文字幕av电影在线播放| 久久精品国产清高在天天线| 性欧美人与动物交配| 午夜视频精品福利| 99香蕉大伊视频| 黄网站色视频无遮挡免费观看| 欧美在线一区亚洲| 亚洲国产精品合色在线| 亚洲国产精品一区二区三区在线| 老司机深夜福利视频在线观看| 久久久久久大精品| 日日爽夜夜爽网站| 99国产精品免费福利视频| 日本三级黄在线观看| 国产精品久久久av美女十八| 久久精品国产99精品国产亚洲性色 | 午夜日韩欧美国产| 欧美日韩中文字幕国产精品一区二区三区 | 热99re8久久精品国产| 亚洲精品在线美女| 亚洲人成电影观看| 亚洲熟女毛片儿| 夜夜爽天天搞| 国产乱人伦免费视频| 久久人妻熟女aⅴ| 91在线观看av| videosex国产| 午夜日韩欧美国产| 久久久精品欧美日韩精品| 日日夜夜操网爽| 欧美老熟妇乱子伦牲交| 伦理电影免费视频| 国产91精品成人一区二区三区| 午夜久久久在线观看| 亚洲第一av免费看| 成人亚洲精品av一区二区 | 国产高清国产精品国产三级| 久久精品国产清高在天天线| 国产高清国产精品国产三级| a级片在线免费高清观看视频| √禁漫天堂资源中文www| 国产精品久久久av美女十八| 欧美一级毛片孕妇| 日韩 欧美 亚洲 中文字幕| 亚洲成国产人片在线观看| 午夜免费成人在线视频| 老司机午夜十八禁免费视频| 国产深夜福利视频在线观看| bbb黄色大片| 99久久久亚洲精品蜜臀av| 十八禁人妻一区二区| 午夜激情av网站| а√天堂www在线а√下载| 成人永久免费在线观看视频| 叶爱在线成人免费视频播放| 国产免费男女视频| 男女之事视频高清在线观看| 又黄又爽又免费观看的视频| 日本a在线网址| 无限看片的www在线观看| 成在线人永久免费视频| 成人永久免费在线观看视频| 亚洲av第一区精品v没综合| 99久久99久久久精品蜜桃| 视频区欧美日本亚洲| 国产精品野战在线观看 | 欧美国产精品va在线观看不卡| 久久中文字幕人妻熟女| 日韩国内少妇激情av| 日韩欧美免费精品| 757午夜福利合集在线观看| 免费观看人在逋| 亚洲专区字幕在线| 久久99一区二区三区| 久久精品亚洲精品国产色婷小说| 日本a在线网址| 不卡av一区二区三区| 午夜亚洲福利在线播放| 亚洲一区中文字幕在线| 夜夜爽天天搞| 亚洲人成网站在线播放欧美日韩| 久久九九热精品免费| 在线观看www视频免费| 国产精华一区二区三区| 国产99白浆流出| 午夜精品在线福利| 国产欧美日韩一区二区三区在线| 中文字幕人妻熟女乱码| 乱人伦中国视频| aaaaa片日本免费| 99国产极品粉嫩在线观看| 国产成人av教育| 日韩欧美国产一区二区入口| av片东京热男人的天堂| 在线观看一区二区三区激情| www.精华液| 国产蜜桃级精品一区二区三区| 精品午夜福利视频在线观看一区| 日本 av在线| 欧美另类亚洲清纯唯美| 欧美午夜高清在线| 午夜免费鲁丝| 欧美日韩中文字幕国产精品一区二区三区 | 久久香蕉激情| 一二三四在线观看免费中文在| 极品教师在线免费播放| 久久影院123| 精品久久久久久,| 一级片免费观看大全| 窝窝影院91人妻| 久久亚洲精品不卡| 日本wwww免费看| 国产精品99久久99久久久不卡| 91成年电影在线观看| 色尼玛亚洲综合影院| 自线自在国产av| 交换朋友夫妻互换小说| 中文字幕高清在线视频| 亚洲精品一二三| 国产成人欧美在线观看| 999精品在线视频| 亚洲aⅴ乱码一区二区在线播放 | 韩国精品一区二区三区| 青草久久国产| 欧美精品亚洲一区二区| 69av精品久久久久久| av免费在线观看网站| 亚洲一区二区三区欧美精品| 超碰97精品在线观看| 欧美日韩一级在线毛片| 91成人精品电影| 亚洲欧美精品综合久久99| 亚洲精品久久成人aⅴ小说| 伦理电影免费视频| 国产一区二区三区综合在线观看| 欧美日韩国产mv在线观看视频| 天堂中文最新版在线下载| 色老头精品视频在线观看| 一级,二级,三级黄色视频| 国产视频一区二区在线看| 国产av又大| 欧美+亚洲+日韩+国产| e午夜精品久久久久久久| 国产又爽黄色视频| 国产aⅴ精品一区二区三区波| 亚洲成av片中文字幕在线观看| 中文字幕av电影在线播放| 99精国产麻豆久久婷婷| 女性被躁到高潮视频| 国产精品久久视频播放| 亚洲国产欧美日韩在线播放| 夜夜夜夜夜久久久久| 亚洲国产看品久久| 久久人人爽av亚洲精品天堂| 色综合站精品国产| 久久精品亚洲熟妇少妇任你| 1024视频免费在线观看| 一进一出抽搐gif免费好疼 | 亚洲成人国产一区在线观看| 日日摸夜夜添夜夜添小说| 亚洲人成77777在线视频| 不卡av一区二区三区| 麻豆av在线久日| 色哟哟哟哟哟哟| 极品人妻少妇av视频| 国产精品久久久av美女十八| 国产精品一区二区在线不卡| 亚洲精品粉嫩美女一区| 亚洲自偷自拍图片 自拍| 母亲3免费完整高清在线观看| 亚洲成人免费电影在线观看| 国产成人av教育| 亚洲精品一区av在线观看| 亚洲成国产人片在线观看| 日韩欧美一区视频在线观看| xxxhd国产人妻xxx| 中文字幕人妻丝袜制服| 亚洲精品一卡2卡三卡4卡5卡| 欧美成狂野欧美在线观看| 天天躁夜夜躁狠狠躁躁| 精品欧美一区二区三区在线| 18禁国产床啪视频网站| 色综合婷婷激情| 久久99一区二区三区| 亚洲成人免费电影在线观看| 久久久精品国产亚洲av高清涩受| 免费少妇av软件| 国产高清国产精品国产三级| videosex国产| 欧美日韩av久久| 真人一进一出gif抽搐免费| 乱人伦中国视频| 国产亚洲欧美精品永久| 中文字幕人妻丝袜一区二区| 在线观看舔阴道视频| 欧美在线一区亚洲| 黄色 视频免费看| 欧美丝袜亚洲另类 | 91精品国产国语对白视频| 琪琪午夜伦伦电影理论片6080| av国产精品久久久久影院| 男女做爰动态图高潮gif福利片 | 日韩大码丰满熟妇| 97人妻天天添夜夜摸| 最近最新中文字幕大全免费视频| 国产成+人综合+亚洲专区| 一个人免费在线观看的高清视频| 免费在线观看日本一区| 亚洲成av片中文字幕在线观看| 欧美久久黑人一区二区| 亚洲第一青青草原| 国产日韩一区二区三区精品不卡| 欧美黄色片欧美黄色片| 国产高清国产精品国产三级| 国产精品国产av在线观看| 国产精品永久免费网站| 一区福利在线观看| 欧洲精品卡2卡3卡4卡5卡区| 久久精品aⅴ一区二区三区四区| 欧美日韩亚洲国产一区二区在线观看| 国产亚洲精品第一综合不卡| 国产亚洲欧美98| 村上凉子中文字幕在线| 在线av久久热| 国产欧美日韩一区二区三| 一区二区三区国产精品乱码| 国产精品 国内视频| 一进一出抽搐gif免费好疼 | 国产一区二区三区综合在线观看| 不卡av一区二区三区| 香蕉国产在线看| 波多野结衣av一区二区av| 丰满迷人的少妇在线观看| 一个人免费在线观看的高清视频| 国产精品98久久久久久宅男小说| 欧美日韩一级在线毛片| 午夜a级毛片| 亚洲精品av麻豆狂野| 69av精品久久久久久| 久久久久久人人人人人| 欧美另类亚洲清纯唯美| 女生性感内裤真人,穿戴方法视频| 欧美性长视频在线观看| 久久久国产成人免费| 美女午夜性视频免费| 久久青草综合色| 国产成人精品久久二区二区91| 黄色 视频免费看| 色综合欧美亚洲国产小说| 日本黄色日本黄色录像| 一边摸一边抽搐一进一出视频| 国产熟女午夜一区二区三区| 在线观看一区二区三区| 久久国产亚洲av麻豆专区| 亚洲国产欧美一区二区综合| 嫩草影视91久久| 国产片内射在线| 成在线人永久免费视频| 成人特级黄色片久久久久久久| 欧美丝袜亚洲另类 | 99久久国产精品久久久| 80岁老熟妇乱子伦牲交| 精品国产国语对白av| 超色免费av| 国产三级在线视频| 丰满迷人的少妇在线观看| 国产亚洲精品久久久久5区| 一区二区三区激情视频| 老司机午夜福利在线观看视频| 亚洲av成人av| 9热在线视频观看99| 国产成人av教育| 欧美午夜高清在线| 国产成+人综合+亚洲专区| 成年人黄色毛片网站| 欧美在线黄色| 在线观看免费高清a一片| 母亲3免费完整高清在线观看| 波多野结衣高清无吗| 国产av一区在线观看免费| av在线天堂中文字幕 | 后天国语完整版免费观看| 天天影视国产精品| 丁香六月欧美| 亚洲国产欧美一区二区综合| 午夜免费成人在线视频| 黄片播放在线免费| 69av精品久久久久久| 欧美+亚洲+日韩+国产| 中文字幕最新亚洲高清| 国产伦人伦偷精品视频| 每晚都被弄得嗷嗷叫到高潮| 高清av免费在线| 露出奶头的视频| 国产视频一区二区在线看| 女人被狂操c到高潮| 中文字幕人妻丝袜一区二区| 手机成人av网站| 精品无人区乱码1区二区| 黄片小视频在线播放| 欧美乱色亚洲激情| 久久久久九九精品影院| 女人高潮潮喷娇喘18禁视频| 亚洲欧美日韩高清在线视频| 交换朋友夫妻互换小说| 婷婷精品国产亚洲av在线| 精品一区二区三区av网在线观看| 久久久久久久精品吃奶| 亚洲伊人色综图| 我的亚洲天堂| 人成视频在线观看免费观看| av天堂在线播放| 人妻丰满熟妇av一区二区三区| 啪啪无遮挡十八禁网站| 国产男靠女视频免费网站| 怎么达到女性高潮| 一级片免费观看大全| 亚洲成人免费av在线播放| 窝窝影院91人妻| 日韩大码丰满熟妇| 欧美在线黄色| netflix在线观看网站| 久久午夜亚洲精品久久| 在线观看一区二区三区| 欧美日韩国产mv在线观看视频| 国产欧美日韩一区二区精品| av视频免费观看在线观看| 国产亚洲精品一区二区www| 成人黄色视频免费在线看| 国产蜜桃级精品一区二区三区| 国产精品久久久久成人av|