《表1 试验数据集：基于改进残差网络的红枣缺陷检测分类方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进残差网络的红枣缺陷检测分类方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

试验将980个红枣进行翻转拍摄不同表面共得到1 960张红枣图片，然后将图片批量进行旋转一定角度以扩充试验数据集得到3 920张图片。如表1所示，在Spyder软件中用TensorFlow搭建残差网络框架，将训练集中80%红枣随机划分为训练集部分，剩余20%红枣划分为测试集部分，其余红枣作为验证集样本测试网络模型的泛化能力。试验通过控制单一变量，在同一台计算机上分别运行不同改进算法的残差网络模型，然后进行整合分析，为防止网络过拟合或欠拟合产生的模型泛化能力较差，因而引入新的验证集进行不同模型识别准确的检验，同时采用Kappa系数作为分类精度的准则来检验4种模型的泛化能力和分类精度。