基于改进残差网络的黑毛猪肉新鲜度识别方法

论文摘要

为了提高黑毛猪肉新鲜度的识别准确率,提出基于改进残差网络和迁移学习的黑毛猪肉新鲜度识别方法。首先,根据猪肉的微生物菌体浓度、大肠菌菌体浓度和pH值,结合国家标准,将猪肉新鲜度分为7个类别;然后,将ResNet-50模型用PfidSet数据集训练,使其具有抽取图像特征的能力,利用模型迁移和模型微调对ResNet-50模型进行改进,即用一个3层的自适应网络取代ResNet-50模型的全连接层和分类层,再使用在PfidSet上训练的网络参数初始化改进的ResNet-50模型权重,运用LReLu-Softplus作为自适应网络的激活函数;最后,将改进ResNet-50模型在猪肉样品的图像数据集上学习得到的知识,迁移到黑毛猪肉新鲜度识别任务。选取7类共计23 427幅黑毛猪肉图像组成样本集,从样本集中随机选择80%的样本用作训练集、其余20%用作测试集进行测试,试验结果表明,迁移学习能够明显提高模型的收敛速度和识别性能,数据扩充有助于增加数据的多样性,避免出现过拟合现象,在迁移学习和数据扩充方式下的总体识别准确率达到94. 5%,是一种高效的猪肉新鲜度识别方法。

论文目录

• 0 引言
• 1 试验数据
•   1.1 样本制备
•   1.2 新鲜度分类标准
•   1.3 样本图像获取与增广
• 2 试验方法
•   2.1 深度残差神经网络
•   2.2 迁移学习
•   2.3 ResNet-50模型的改进
• 3 试验结果及分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 焦俊,王文周,侯金波,孙裴,何屿彤,辜丽川

关键词: 猪肉,新鲜度,迁移学习,激活函数,改进残差网络

来源: 农业机械学报 2019年08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: 安徽农业大学信息与计算机学院,安徽泓森物联网有限公司,安徽农业大学动物科技学院

基金: 安徽省重点研究与开发计划项目(1804a0702130),国家自然科学基金项目(31671589,31771679),安徽省科技重大攻关项目(16030701092),农业农村部农业电子商务重点实验室开放基金项目(AEC2018010,AEC2018003)

分类号: TP391.41;TS251.51

页码: 364-371

总页数: 8

文件大小: 414K

下载量: 328