基于AlexNet模型的玉米籽粒品质鉴别研究.pdf
《基于AlexNet模型的玉米籽粒品质鉴别研究.pdf》由会员分享,可在线阅读,更多相关《基于AlexNet模型的玉米籽粒品质鉴别研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、http:/2023年7月 第14卷 第13期基于AlexNet模型的玉米籽粒品质鉴别研究陈增旭尹淑欣黑龙江八一农垦大学信息与电气工程学院,黑龙江大庆163711摘要:玉米是世界上最重要的粮食作物之一,其品质鉴别对农业生产和食品加工具有重要意义。传统的玉米籽粒品质鉴别方法往往需要大量人力和时间成本,并且易受主观因素影响。基于AlexNet模型,提出了一种改进的并且适配于玉米籽粒品质鉴别的 AlexNet算法,并针对玉米籽粒数据集进行微调。在微调过程中,采用数据增强、批量归一化、随机失活等技术,以提高模型的性能。经试验,该模型在测试集上的准确率为 96.6%,优于原本的 AlexNet模型对玉米
2、籽粒品质鉴别性能。该模型的应用有望提供更快速、准确的玉米籽粒品质鉴别方法,有利于玉米籽粒品质把控。关键词:AlexNet;玉米品质鉴别;批量归一化中图分类号:S513;TP391.41文献标志码:A文章编号:1674-7909-(2023)13-148-30引言在计算机视觉深度学习领域,AlexNet神经网络算法是最出名的算法之一,被认为是开创性研究之一。然而,随着研究的深入,人们发现AlexNet模型在某些方面存在一些不足之处,如容易出现过拟合、计算复杂度较高等1。因此,笔者对AlexNet模型进行一定的改进,以解决其原本存在的问题,并提高模型在玉米籽粒品质鉴别任务中的性能。此外,笔者采用了
3、一些常用的深度学习技术,如数据增强(Data Augmentation)、批量归一化(Batch Normalization)、随机失活(Dropout)等,以提高模型的性能。Data Augmentation技术被广泛应用于图像分类、目标检测、语音识别等领域,可通过对训练集数据进行变换和扰动,扩增训练集的规模,提高模型的泛化能力。应用 Batch Normalization 技术,可对每一层的输入进行标准化,减少内部协变量移位,提高模型的训练速度和鲁棒性。应用Dropout技术,则可随机将一部分神经元的输出值置为0,以减少过拟合的风险,提高模型的泛化能力。1模型改进1.1图像预处理1.1.1
4、图像尺寸调整将输入图像的尺寸调整为2 448像素2 448像素。对于训练集中的每个图像,首先将其在较短的一侧进行调整,然后将其中心区域裁剪为224像素224像素。1.1.2像素值归一化将输入图像的像素值归一化到 0,1 范围内。具体来说,将每个像素的RGB值除以255即可。1.1.3数据增强在训练过程中,采用 Data Augmentation 技术,如随机裁剪、随机水平翻转、随机色彩抖动等,以增加训练数据的多样性和泛化能力。1.1.4数据标准化在训练过程中,对输入图像的每个通道进行标准化处理,以便更好地满足模型的输入要求。具体来说,对于每个通道,计算其均值和标准差,然后对输入图像进行标准化处
5、理。1.2改进AlexNet模型相对于Bottleneck,BasicBlock更适合深度较浅的网络。因此,在AlexNet第五层卷积层后面添加一个输入与输出通道数相同的 BasicBlock2-3(见图 1)。BasicBlock是ResNet中使用的一种残差块,由2个33的卷积层和一个 Residual 连接组成。在 BasicBlock中,输入经过第一个卷积层进行特征提取,然后经过Residual连接进行信息传递,最后经过第二个卷积层得到输出。通过这种方式,减少了梯度消失和梯度爆作者简介:陈增旭(1996),男,硕士生,研究方向:机器视觉、机器学习。通信作者:尹淑欣(1977),女,博士
6、,副教授,研究方向:图像处理、智能信息识别。148http:/炸问题,提高了模型的训练速度和准确性。Batch Normalization是一种在神经网络中用于加速收敛并提高模型训练效果的技术4-6。其主要思想是在训练过程中对每一层的输入进行归一化处理,使输入数据在训练过程中具有相同的均值和方差。在下一层卷积层的输入前添加一个 Batch Normalization层,该层将每个Batch的输入进行归一化处理,并对其进行缩放和平移操作。这样可以使网络在进行梯度下降时更加稳定,防止出现梯度消失或梯度爆炸的情况,同时能够加速模型的收敛。为进一步提高模型的泛化能力,应用 Dropout技术(见图2)
7、减少过拟合的风险。在训练阶段,对于每个神经元,按照一定的概率P将其输出值置为0,即丢弃该神经元的输出值。概率P通常是在0.20.5(此次研究P=0.5)。这样一来,每次训练时都会随机选择不同的神经元进行丢弃,从而产生不同的神经网络结构。通过这种方式,可以让神经网络不依赖于任何一个特定的神经元,而是通过整个神经网络的结构来学习,从而提高模型的泛化能力。2试验设计2.1试验环境算法训练和测试环境均是在Windows11下进行,CPU 型号为 12th Gen Intel(R)Core(TM)i7-12700H2.30 GHz,内存为 16 GB,GPU 型号为 NVIDIA GeForce RTX
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 AlexNet 模型 玉米 籽粒 品质 鉴别 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。