换一批基于深度学习的高粱不完善粒及千粒重机器视觉检测方法
A Machine Vision Detection Method for Unsound Kernels and Thousand-Kernel Weight of Brewing Sorghum Based on Deep Learning
摘要为提高高粱不完善粒及千粒重检测的效率及精度,运用机器视觉技术,结合深度学习方法,构建了一个包含92.5 k样本的多角度、多模态高粱数据集.通过对不同数据预处理、多模态轮廓图拼接策略及引入CBL损失函数等的比较分析,提出了一种基于深度学习的高粱不完善粒及千粒重机器视觉检测方法.结果表明,结合轮廓图的图像拼接策略显著提升了识别精度,且ResNet50和RepVGG等CNN模型表现优异,尤其是RepVGG模型,其F1分数达到97.88％.同时引入Focal和CBL损失函数增强模型对高粱不完善粒类别的识别能力,进一步提高模型的准确性和稳定性.实验验证表明,该方法在检测效率和准确性方面均优于人工检测,为粮食品质检测提供了新的途径.
更多相关知识
关键词
高粱不完善粒检测千粒重检测深度学习机器视觉brewing sorghumdetection of imperfect grainsdetection of thousand-grain weightdeep learningmachine vision
分类号
TS201.4
栏目名称
DOI
10.16210/j.cnki.1007-7561.2025.06.017
发布时间
2026-01-05（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
