Nov, 2023

基于卷积神经网络的改进模型用于水果糖度检测

PDF
TL;DR该研究论文介绍了人工智能在水果质量检测领域中的应用，提出了一种基于谱图的水果糖度回归模型，设计了新的神经网络结构并比较了其他传统的神经网络结构，采用多种策略处理谱图数据，通过评估数据集的可靠性和比较不同模型的效果，验证了使用人工神经网络模型进行水果糖度无损检测的可行性。
artificial intelligencefruit quality detectionneural network modelspectrum data processingfruit sugar degree nondestructive detection
发现论文，激发创造
  • 深度学习用于芒果自动质量分级：方法与洞见

    使用卷积神经网络，特别是 Mask R-CNN、AlexNet、VGGs、ResNets 和 ConvAE-Clfs 等模型，并采用迁移学习技术，通过在芒果质量分级中应用预处理技术，训练细节和性能结果等方法提供可解释的洞见，即实 </em> 现对深度学习的深层次解释。

    Nov, 2020

  • 基于深度学习和神经架构搜索的水果分类系统

    通过对水果的视觉特征进行分析和分类，可以使用各种方法来识别水果，包括手动检查、传统的计算机视觉方法以及使用机器学习和深度学习的复杂方法。本研究鉴定了总共 15 个水果类别，并提出了一个新的模型，与之前的研究相比，其检测性能有了显著提高。

    Jun, 2024

  • 利用深度神经网络和三维关联技术进行葡萄检测、分割和跟踪

    使用 CNN 技术结合计算机视觉方法对葡萄园中的葡萄簇进行检测、分割和跟踪，为农业和环境应用的传感组件的开发提供了一种可复制的检测，培训，评估和跟踪农业模式的图像的方法。

    Jul, 2019

  • 基于深度学习的水果图像识别

    本文介绍了一个新颖的高质量水果图像数据集，并通过一些数字实验结果展示了训练神经网络以检测水果的成果。同时，我们提出了几种可能需要应用这类神经网络的场景，并探讨了为什么选择使用水果作为本项目的研究对象。

    Dec, 2017

  • 基于图像分割的苹果果园水果检测与产量估计

    本文介绍了一种用于水果检测和计数的图像处理框架，使用单眼视觉系统所获得的高分辨率图像数据，包括多尺度多层感知器和卷积神经网络，结合元数据进行分割和检测，并在商业苹果园中进行了实验，得出了最佳性能。

    Oct, 2016

  • 卷积神经网络集成学习在非控农场环境下基于高光谱成像的黑莓果实成熟度检测中的应用

    本研究提出了一种新颖的多输入卷积神经网络（CNN）集成分类器，用于检测黑莓果实成熟度的微小特征。通过实验，该模型在未见数据集上获得了 95.1% 的准确率，在实地条件下获得了 90.2% 的准确率，并进一步证明机器感知与人类感知之间在黑莓果皮纹理方面存在高度正相关性。

    Jan, 2024

  • 果园深度水果检测

    本文介绍了使用先进的物体检测框架 Faster R-CNN 对果园中的水果进行检测，包括芒果、杏仁和苹果，通过消融实验，数据增强技术和瓦片方法来提高检测精度和效率，并获得比以前更好的检测表现，对于苹果和芒果的 F1 值达到了 > 0.9。

    Oct, 2016

  • 高效苹果成熟度和损伤评估：具有 GAN 和注意力机制的轻量级检测模型

    本研究提出了一种基于轻量级卷积神经网络（CNN）和生成对抗网络（GAN）的方法，用于苹果成熟度和损伤程度检测任务，通过优化模型的深度和宽度以及应用先进的模型压缩技术设计了轻量级 CNN 模型，引入注意机制提高对象检测任务的性能，利用 GAN 生成逼真的苹果图像扩展训练数据集，改善样本不平衡和样本量不足问题，通过在受损苹果上应用目标检测网络进行损伤位置注释，提高了损伤程度检测的准确性，在苹果成熟度和损伤程度检测任务中，该方法的性能优于其他主流模型，具有卓越的性能和高实用价值。

    Oct, 2023

  • 使用超像素和图卷积神经网络高效检测航拍图像中的营养缺乏压力

    通过使用图卷积神经网络等技术，提出了一种比现有技术更加轻量级的基于节点分级的方法，旨在快速检测农田缺失营养元素的区域，提高农业生产效率。

    Apr, 2021

  • 用于分类草莓托架和运行轨道的深度学习方法

    本文提出了一种基于深度学习的草莓植株节数的语义分割分类方法，其中采用了噪声增强技术和数据集增广方法以弥补数据量不足的问题，结果表明该方法在使用盐和胡椒噪声进行数据集增广的情况下可以达到 91％的精度、95％的准确率和 92％的 F1 分数。

    Jul, 2022