基于密集连接卷积神经网络的水果品质评估
计算机视觉与模式识别
2022-12-27 v2
摘要
在农业领域，食品物品的准确识别及其品质评估至关重要。此类自动化系统能够加速食品加工行业的运转，并节省大量人工劳动。在此背景下，基于深度学习架构的最新进展已提出多种解决方案，在若干分类任务中展现出卓越性能。本工作中，我们利用密集连接卷积神经网络（DenseNets）的概念进行水果品质评估。特征向更深层的传播使网络能够应对梯度消失问题，并确保特征的重用以学习有意义的洞察。在包含六种水果、每种各有三个品质等级共 19,526 张图像的数据集上进行评估，所提出的流程取得了 99.67% 的显著准确率。该模型的鲁棒性在水果分类与品质评估任务中得到了进一步测试，模型表现出相似性能，这使其适用于实际应用。
引用
@article{arxiv.2212.04255,
title = {Fruit Quality Assessment with Densely Connected Convolutional Neural Network},
author = {Md. Samin Morshed and Sabbir Ahmed and Tasnim Ahmed and Muhammad Usama Islam and A. B. M. Ashikur Rahman},
journal= {arXiv preprint arXiv:2212.04255},
year = {2022}
}
备注
Accepted in 12th ICECE (4 pages, 3 Figures, 3 Tables)