基于Caffe的猪肉新鲜度分级的设计与实现

论文摘要

为了提高猪肉新鲜度检测的实时性,提出了基于Caffe框架与ResNet残差神经网络的猪肉新鲜度分级的新方法。根据理化试验结果将猪肉的新鲜度分为7级,并在理化试验前拍摄对应的猪肉照片作为样本进行网络训练。在网络训练完成后分别用同源和异源样本图片对系统分级准确率进行验证,结果显示系统分级的准确率均达到95%以上,说明该系统能够很好地对猪肉新鲜度进行分级。与传统的理化试验检测新鲜度的方法相比,在保证了分级准确率较高的同时,检测过程简单、实时性高、无损,是一种更高效的猪肉新鲜度分级方法。

论文目录

• 1 材料与方法
•   1.1 猪肉的生物学分类试验
•   1.2 样本数据预处理
• 2 结果与分析
•   2.1 Caffe框架与深度神经网络
•   2.2 基于Caffe的猪肉新鲜度分级试验
•     2.2.1 训练集与测试集
•     2.2.2 网络训练
•     2.2.3 训练效果
•     2.2.4 可视化分析
•       2.2.4.1 识别成功的图片可视化分析
•       2.2.4.2 识别失败的图片可视化分析
• 3 讨 论

文章来源

类型: 期刊论文

作者: 邱洪涛,孙裴,侯金波,辜丽川,乔焰,焦俊

关键词: 框架,新鲜度,图像识别,残差神经网络

来源: 江苏农业学报 2019年02期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,计算机软件及计算机应用

单位: 安徽农业大学

基金: 国家自然科学基金项目(31671589,31371533,3177167),安徽省攻关项目(1804a07020130),安徽省科技重大专项(16030701092)

分类号: TS251.51;TP391.41

页码: 461-468

总页数: 8

文件大小: 856K

下载量: 226