糖熏鸡腿颜色快速精准识别的多层卷积神经网络模型研究

摘要

为快速精准识别糖熏鸡腿在熏制过程中产生的所有颜色,基于机器视觉技术,构建Xception-CNN模型用于熏鸡腿颜色的识别,同时应用ResNet-50、Inception和传统卷积神经网络(convolutional neural networks,CNN)等3种模型对比分析Xception-CNN模型对熏鸡腿颜色的识别效果.采集并经过图像预处理后,共得到不同颜色的熏鸡腿图像4352张,作为4种模型的实验样本,随机选取其中的3482张作为训练组,剩下的870张作为测试组.结果表明,4种模型的平均识别准确率分别为92％(Xception-CNN)、91％(ResNet-50)、89％(Inception)、87％(传统CNN);测试时间分别为1.36 s(Xception-CNN)、0.81 s(ResNet-50)、0.98 s(Inception)、2.48 s(传统CNN).Xception-CNN模型对糖熏鸡腿图像的颜色识别准确率最高,达到92％,测试时间略高于ResNet-50模型和Inception模型,但低于传统CNN模型,仅需1.36 s即可完成识别,此模型可以实现糖熏鸡腿颜色的快速精准识别,为糖熏工艺参数精准调控、保障产品颜色标准化等提供可靠依据.