Print

联合迁移学习和自适应学习率的苹果成熟度识别

论文摘要

针对目前用于苹果成熟度识别的卷积神经网络存在训练时间长,训练样本多的不足,提出了联合迁移学习和自适应学习率的识别方法。首先,选用结构较小的VGG-F模型作为预训练模型;然后在VGG-F模型的训练过程中融入局部响应归一化的数据预处理、以函数损失为依据的学习率自适应调整和优选动量值的三种训练策略;最后将已构建的图像样本用于调整后的模型进行重训练和测试。实验结果表明,相比于基本VGG-F模型、具有深层结构的VGG-16和VGG-19模型,文中提出的模型将平均识别准确率分别提高7.5%、6.33%和4.5%,且重训练时间远少于其他三种模型,从而验证了文中方法在解决苹果成熟度识别问题时具有训练成本低和识别准确率高的优势。

论文目录

  • 0 引言
  • 1 构建数据集
  • 2 迁移学习及重训练VGG-F模型
  •   2.1迁移学习VGG-F模型
  •   2.2 VGG-F模型重训练
  •     2.2.1 局部响应归一化
  •     2.2.2 学习率动态自适应调整
  •     2.2.3 优选动量
  • 3 实验及结果分析
  •   3.1 验证学习率自适应调整的有效性
  •   3.2 优选动量值
  •   3.3 四种模型实验对比
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 袁明新,于洪涛,江亚峰,王琪,申燚

    关键词: 苹果成熟度,模型,迁移学习,动态学习率,局部响应归一化

    来源: 中国农机化学报 2019年11期

    年度: 2019

    分类: 农业科技,信息科技

    专业: 园艺,计算机软件及计算机应用,自动化技术

    单位: 江苏科技大学机电与动力工程学院,张家港江苏科技大学产业技术研究院,天津大学计算机科学与技术学院

    基金: 国家重点研发计划“智能农机装备”重点专项(2016YFD0700903)

    分类号: S661.1;TP391.41;TP183

    DOI: 10.13733/j.jcam.issn.2095-5553.2019.11.21

    页码: 131-135

    总页数: 5

    文件大小: 609K

    下载量: 156

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/fd4c5993bb1e1902a826706c.html