《表1 En值比对数据:基于GoogLeNet深度迁移学习的苹果缺陷检测方法》
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GoogLeNet深度迁移学习的苹果缺陷检测方法》
针对上述深度学习训练过程,实验选取测试集准确率和受试者工作特征(Receiver operating characteristic,ROC)曲线及曲线下面积(Area under curve,AUC)等指标作为模型质量判定标准。上述3种模型经过Softmax分类器进行分类,输出2个神经元,测试结果如表1所示。GoogLeNet迁移学习具有最高的测试准确率,达91.91%,与其接近的是改进型LeNet-5,测试准确率为91.49%。说明深层卷积神经网络具有强大的学习能力,该精度能够满足工厂对苹果缺陷的筛选。
图表编号 | XD00204459200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 薛勇、王立扬、张瑜、沈群 |
绘制单位 | 中国农业大学食品科学与营养工程学院、中国农业大学国家果蔬加工工程技术研究中心、中国农业大学食品科学与营养工程学院、中国农业大学信息与电气工程学院、中国农业大学食品科学与营养工程学院、中国农业大学植物蛋白与谷类加工北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |