文章摘要:针对目前我国核桃内部品质混杂导致的出口受阻问题，提出利用X射线成像技术结合卷积神经网络对核桃内部品质进行快速检测。对获取到的核桃X射线图像进行预处理和数据扩充，采用GoogLeNet、ResNet 101、MobileNet v2和VGG 19共4种迁移学习模型构建卷积神经网络，对核桃数据集进行训练。通过预测集准确率、预测损失值、测试集准确率以及运行时间对模型进行分析，优化模型参数，开发核桃内部品质检测分选系统并进行模型验证。研究结果表明：GoogLeNet模型学习率设置为0.001，迭代次数设置为25次时预测效果最优，预测准确率为96.67%。系统验证结果表明：空壳核桃的判别准确率达到100%，平均判别准确率为96.39%。该系统可实现核桃内部品质的无损检测分选。

文章关键词:

论文分类号:TS255.6