基于迁移学习和特征融合的猪肋骨种类判断研究

摘要

为了快速鉴别猪肋骨种类,从而选取最佳的育种猪进行繁殖改良,提高食用猪的肉质及体长,试验进行了猪肋骨种类判断(多肋骨/非多肋骨)研究,即首先制作出猪肋骨图像数据集,然后通过迁移学习和特征融合方法对猪肋骨数据图像进行训练、验证、测试和评估,并且与深度学习方法VGG16、AlexNet、MobileNetV2、DenseNet、InceptionV3进行对比分析,最后通过热力图展示特征响应部位与强弱。结果表明:基于迁移学习和特征融合的猪肋骨种类判断算法能够提取到关键信息,与深度学习方法比较其准确率、损失值、均方根误差、精确率、召回率和平衡F分数均为最优,分别为0.994,0.028,0.078,0.994,0.976,0.985。说明在图像识别过程中,引入迁移学习和特征融合可以提取并融合关键部位的特征信息,提高鉴别能力。