TY -的A2 Puertolas爱德华多AU - Su,清华盟——近藤Naoshi AU - Al丽迪马斯Firmanda盟——Habaragamuwa Harshana PY - 2020 DA - 2020/11/23 TI -马铃薯质量分级基于深度成像和卷积神经网络SP - 8815896六世- 2020 AB -作为一种有效的无损检测方法,机器视觉技术已经广泛应用于马铃薯缺陷的检测。最近,深度相机支持传感范围已被用于土豆表面缺陷检测、突起、凹陷等。在这项研究中,我们开发了一个土豆自动评分系统,使用深度成像系统作为一个数据收集器和机器学习系统适用于土豆质量分级。深度成像系统收集3 d土豆表面厚度分布数据和存储深度图像的训练和验证机器学习系统。机器学习系统,由一个softmax回归模型和一个卷积神经网络模型,可以级马铃薯管成六个不同的质量水平基于管外观和尺寸。实验结果表明,将softmax回归模型在样本容量检测精度高,成功率94.4%,但较低的成功率在外表上分类(集团)最低只有14.5%。卷积神经网络模型,实现了高成功率不仅大小分类,为94.5%,而且在外形分类,为91.6%,总体质量分级精度为86.6%。质量分级的基础上,深度成像技术显示了它的潜力和优势在无损收获后的研究,尤其是对3 d表面shape-related字段。SN - 0146 - 9428你2020/8815896 / 10.1155——https://doi.org/10.1155/2020/8815896——摩根富林明——《食品质量PB - Hindawi KW - ER