基于迁移学习与自适应深度卷积神经网络的谷物质量检测方法

摘要

本发明提供一种基于迁移学习与自适应深度卷积神经网络的谷物质量检测方法，涉及机器视觉与谷物质量检测领域，该方法包括：采集源领域以及目标领域下的谷物样本图像，其中包括合格谷物的样本图像与带有缺陷的谷物的样本图像，选择深度卷积神经网络CNN模型识别缺陷，利用源领域训练好的模型参数初始化CNN模型，并引入迁移学习算法利用源领域样本辅助目标领域样本完成目标领域谷物的质量检测。在CNN模型的训练中提出自适应学习率，并引入二次函数与正态分布模型分别采取梯度下降与梯度上升的方式更新模型参数，优化模型损失。该方法能够提高CNN模型的训练性能，自适应领域的变化，极大程度的提高谷物质量检测的准确性。