基于GoogLeNet的稻米品种识别与碎米检测

作     者：陈文博 刘昌华 刘春苔 孙开琼 Chen Wenbo;Liu Changhua;Liu Chuntai;Sun Kaiqiong

作者机构：武汉轻工大学数学与计算机学院武汉430048 

出 版 物：《中国粮油学报》 (Journal of the Chinese Cereals and Oils Association)

年 卷 期：2023年第38卷第2期

页      面：146-152页

核心收录：

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 08[工学] 0804[工学-仪器科学与技术] 083202[工学-粮食、油脂及植物蛋白工程] 

基　　金：湖北省自然科学基金项目(2016CBF470) 湖北省教研项目(2021351)。 

主　　题：稻米 GoogLeNet 迁移学习 深度神经网络 

摘      要：稻米是我国人民食用的主要粮食作物,因此稻米的品种识别与质量检测有着重要的意义。在以前,通常使用的是人工的方式用眼睛观察来识别不同品种的稻米,这种方法效率低下,而且容易受主观的影响导致识别出错,从而影响准确率。本文基于MATLAB平台设计一套稻米品种识别系统,首先使用图像处理将实际拍摄稻米图片进行目标检测和提取,再采用迁移学习的方式训练GoogLeNet深度神经网络模型对稻米图片进行识别,该模型还能检测出每一粒稻米是否为整精米,且识别准确率可达到96.46%。在相同训练参数下对比VGG19训练结果,验证精度提高1.46%,调整数据量探究其对模型性能影响,模型准确率随着数据集增大而提高,精度维持在94.17%以上。