基于改进ResNet18的水果融合图像表面缺陷检测模型OA
[目的]提升水果在运输过程中因轻微机械摩擦产生的表面缺陷检测准确性。[方法]提出一种基于改进ResNet18的水果融合图像表面缺陷检测模型。为解决多尺度特征提取难题,设计了MELA模块,以更全面地捕捉图像细节。同时,引入基于能量函数的正则化损失函数,与交叉熵损失函数协同优化训练流程。此外,采用迁移学习策略以减轻过拟合现象。[结果]改进后的模型在水果表面缺陷检测任务中表现卓越,准确率、精确度、召回率及F_(1)分数分别高达99.53%,99.60%,99.58%,99.58%。[结论]基于改进ResNet18的水果融合图像表面缺陷检测模型显著提升了检测准确性,适用于水果融合图像的表面缺陷检测。
司海平;赵文汭;赵雨洋;李婷婷;Fernado Bacao;李艳玲
河南农业大学信息与管理科学学院,郑州450046 河南省农业大数据与人工智能国际联合实验室,郑州450046河南农业大学信息与管理科学学院,郑州450046 河南省农业大数据与人工智能国际联合实验室,郑州450046河南农业大学信息与管理科学学院,郑州450046 河南省农业大数据与人工智能国际联合实验室,郑州450046河南农业大学信息与管理科学学院,郑州450046河南省农业大数据与人工智能国际联合实验室,郑州450046 新里斯本大学信息管理学院,葡萄牙里斯本1070-312河南农业大学信息与管理科学学院,郑州450046 河南省农业大数据与人工智能国际联合实验室,郑州450046
信息技术与安全科学
深度学习缺陷检测注意力机制ResNet18融合图像
《食品与机械》 2026 (7)
P.90-97,8
河南省重点研发专项(编号:251111211300)河南省科技攻关项目(编号:252102520037)河南省杰出外籍科学家工作室(编号:GZS2024006)。
评论