Fused Deep Features-Based Grape Varieties Identification Using Support Vector Machine

Yun Peng

doi:10.3390/agriculture11090869

Fused Deep Features-Based Grape Varieties Identification Using Support Vector Machine

2021-09-10

15

OA

AI

Y

Yun Peng

DOI：10.3390/agriculture11090869

原文链接

原文求助

摘要

En 中文

通过智能机械正确识别不同葡萄品种对现代农业生产具有重要意义。本文提出了一种基于典型相关分析 (CCA) 的快速准确的识别方法，该方法可以融合从卷积神经网络 (CNN) 中提取的不同深度特征以及支持向量机 (SVM)。在这项研究中，基于开放数据集，研究了三种最先进的cnn，七种深度特征和多类SVM分类器。首先，调整图像大小以满足CNN的输入要求。然后，通过CNN的特定深度特征层提取输入图像的深度特征。接下来，通过CCA融合来自不同网络的两种深度特征，以增加有效的分类特征信息。最后，使用融合的特征训练多类SVM分类器。当应用于开放数据集时，模型结果表明，与使用单一类型的深度特征相比，具有任意组合的融合深度特征可以获得更好的识别性能。fc6 (在AlexNet网络中) 和Fc1000 (在ResNet50网络中) 深度特征的融合获得了最佳的识别性能。与单个深度特征的最佳性能 (即ResNet101的Fc1000) 相比，96.9% 的平均F1分数8.7% 更高，后者为88.2%。此外，所提出的方法的F1得分2.7% 高于直接使用CNN获得的最佳性能。实验结果表明，本文提出的方法能够实现对葡萄品种的快速准确识别。基于该算法，农业智能机械可以根据不同葡萄品种的不同特性采取更有针对性的措施，进一步提高葡萄生产的产量和品质。

Keyword:

grape varieties identification

Support Vector Machine (SVM)

Convolutional Neural Network (CNN)

deep feature fusion

Canonical Correlation Analysis (CCA)

smart machinery

Fused Deep Features-Based Grape Varieties Identification Using Support Vector Machine

摘要

期刊

机构