%0 Journal Article %A 王博 %A 杨洪遥 %A 陆逢贵 %A 陈子东 %A 曹振霞 %A 刘登勇 %T 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 %D 2021 %R 10.13995/j.cnki.11-1802/ts.024419 %J 食品与发酵工业 %P 259-265 %V 47 %N 1 %X 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4 352张,作为4种模型的实验样本,随机选取其中的3 482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。 %U http://sf1970.cnif.cn/CN/10.13995/j.cnki.11-1802/ts.024419