《表1 几种算法与AlexNet-FCN模型的总体交并比》

  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

《基于全卷积神经网络的荔枝表皮缺陷提取》

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

因荔枝表皮的缺陷提取相关文献较少，为验证算法性能，借鉴其他水果的缺陷提取算法，运用基于朴素贝叶斯分类器和线性SVM分类器的监督学习缺陷提取算法与本研究的A l e x N e t-F C N模型进行对比分析。在验证集中选取无缺陷样本、裂果缺陷样本、褐变缺陷样本以及裂果和褐变缺陷样本这4种典型样本进行对比分析，图7是集中算法的分割效果对比，表1是几种算法总体交并比的结果。由图7和表1可知，当缺陷区域与正常区域的像素值差异较大时，本文模型以及上述2种算法均能提取缺陷区域，但本文模型的IoUa得分明显高于2种对比算法，误识别与漏识别较少，提取效果更优。而当缺陷区域与正常区域的像素值差异较小时，本文模型也能较好地分割缺陷区域，优势明显，而2种对比算法的分割能力略显不足。