《表1 不同特征和不同算法下异物水饺的识别率》

  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X射线和卷积神经网络的异物水饺识别》

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

为验证本实验的算法性能，与常规方法进行比较。首先，分别提取水饺图像的提取局部二值模式（local binary pattern，LBP）[25]、方向梯度直方图（histogram of oriented gradient，HOG）[26]和Gabor[27]纹理特征，作为识别无异物和异物水饺的特征向量，然后使用BP神经网络[28]、支持向量机（support vector machine，SVM）[29]、KNN分类器、AdaBoost分类器[30]、朴素贝叶斯分类器和决策树分类器对水饺图像进行识别，将识别结果与本实验算法进行对比；同时为了验证本实验CNN模型所提取特征的有效性，使用上述分类器用本实验提取的特征进行重新识别，如表1所示，不同方法对一幅水饺图像的平均识别时间如表2所示。