An improved strategy of wheat kernel recognition based on deep learning

Abstract

La detección de granos de trigo no sanos en la compra

tradicional de trigo se ve afectada por factores humanos, lo que

resulta en una clasificación de trigo errónea. En la actualidad,

el reconocimiento informático de los granos de trigo tiene

generalmente una baja precisión, y se pueden reconocer pocos

tipos de granos de trigo. Para reconocer de forma rápida,

precisa y objetiva los granos de trigo, este estudio propone una

estrategia mejorada del método de reconocimiento de granos

de trigo basada en el aprendizaje profundo. En primer lugar,

se etiquetó un gran número de imágenes de trigo recogidas,

y los granos de trigo se dividieron en cinco categorías: granos

perfectos, granos rotos, impurezas, granos germinados

y granos mohosos. En segundo lugar, se propusieron las

estrategias mejoradas de los modelos VggNet-16, ResNet-34,

EfficientNet-b2, DenseNet121 y Vit. Basándose en el método

de detección de objetivos en dos etapas, el modelo de red

mejorado se utilizó para detectar los granos de trigo. Además,

se verificó la precisión del modelo realizando pruebas

comparativas. Los resultados muestran que la estructura de la

red mejorada es obviamente más eficaz, y la tasa de precisión

más alta de la identificación de los granos de trigo es del

96%. La precisión, la tasa de recuperación y la puntuación F1

de los modelos VggNet-16-W, ResNet-34-W, EfficientNet

b2-W y DenseNet121-W son superiores al 97%. Este estudio

proporciona una buena referencia para la detección rápida y

precisa de la calidad del trigo.