TY -的A2 Renaudin Valerie盟——黄,盛盟——粉丝,大盟——太阳,Lei盟——沈,延鲁非盟-锁,Xuesong PY - 2019 DA - 2019/11/25 TI -分类方法研究基于机器视觉的玉米种子缺陷SP - 2716975六世- 2019 AB -传统上,种子缺陷的分类主要依靠颜色的特点,形状,纹理。这种方法需要反复大量的特性信息的提取,这不是有效的用于检测。近年来,深度学习在图像识别领域都表现不错。我们介绍了卷积神经网络(cnn)和学习转移到种子的质量分类和比较传统的机器学习算法。实验表明,深度学习算法明显优于机器学习算法的准确性达95% (GoogLeNet)和79.2%(冲浪+ SVM)。我们使用三个分类器GoogLeNet证明网络精度随着网络的深度增加而增加。我们使用可视化技术来获得网络的每一层的功能映射在cnn和使用热图代表推理结果的概率分布。作为端到端网络,cnn可以很容易地申请自动种子生产。SN - 1687 - 725 - 2019/2716975 / 10.1155 x你——https://doi.org/10.1155/2019/2716975——摩根富林明——《传感器PB - Hindawi KW - ER