摘要
为降低仙人掌果实质量分级人力成本并实现标准化分级,构建了一个规模较大的仙人掌果实数据集,并利用该数据集通过深度学习技术实现果实质量的自动分级。对300个仙人掌果实采集了996张原始图片,删除异常图片,并使用Photoshop处理背景,同时应用8种数据增强方法解决数据量小和类别不平衡的问题。最终形成包含6126张图片的数据集,分为坏果、普果和优果3个类别。基于该数据集,进行了5个典型深度学习网络试验。结果表明,数据增强显著提升了准确率,验证了其有效性。在Inception-v3模型上的准确率最高,且每张图片的平均推理时间满足应用需求,可以该模型的试验结果为基准,进一步提高准确率,并通过轻量化模型提升检测速度。
出处
《中南农业科技》
2025年第8期129-132,共4页
South-Central Agricultural Science and Technology
