基于改进CNN模型的AlmondNet-20方法用于杏仁自动图像标注与检测
计算机视觉与模式识别
2024-12-06 v2 人工智能
摘要
为应对全球对高端农产品日益增长的需求，特别是在竞争激烈的坚果市场领域，本文提出了一种创新方法，旨在改进杏仁及其外壳的分级流程。利用最先进的深度卷积神经网络（CNN），特别是AlmondNet-20架构，本研究实现了超过99%的卓越准确率，这得益于20层CNN模型的使用。为增强杏仁与外壳之间区分的鲁棒性，采用了数据增强技术，确保分类系统的可靠性和准确性。本模型经过精心训练1000个epoch，展现出显著的性能，准确率达到99%，损失函数值仅为0.0567。通过测试数据集的严格评估进一步验证了所提方法的有效性，揭示了杏仁检测的完美精确率、召回率和F1值指标。除了技术实力外，这种先进的分类系统为行业专家和非专业人士均带来了切实的益处，确保了全球可靠的杏仁分类。深度学习算法的应用，如本研究所展示的，不仅提高了分级准确率，还为产品专利提供了机会，从而为国家贡献了经济价值。通过采用AlmondNet-20模型等前沿技术，我们为农业产品分类的未来发展铺平了道路，最终丰富了全球贸易与经济繁荣。
引用
@article{arxiv.2408.11253,
title = {Automatic Image Annotation (AIA) of AlmondNet-20 Method for Almond Detection by Improved CNN-based Model},
author = {Mohsen Asghari Ilani and Saba Moftakhar Tehran and Ashkan Kavei and Arian Radmehr},
journal= {arXiv preprint arXiv:2408.11253},
year = {2024}
}