声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：44-1683/S
国际刊号：2095-0780
发布日期:
作者：张洪交, 张存喜, 王瑞, 王可, 乔倩
关键词：小黄鱼, 新鲜度检测, DenseNet, 注意力机制, 图像识别
传统水产品新鲜度检测方法存在对样本破坏较大、操作步骤繁琐、检测准确率及效率较低等一系列问题。针对上述问题，以小黄鱼(Larimichthys polyactis)新鲜度高效、准确识别为目标，提出了一种基于改进DenseNet网络的小黄鱼新鲜度识别模型。首先，在DenseNet网络结构中的每个Denseblock模块引入SENet注意力机制模块，实现特征通道特征重标定，加强网络对当前有益特征的提取，摒弃无作用的特征。其次，改进卷积层的第一层，增加网络的非线性能力和特征表达能力。为防止训练过程中出现梯度消失的现象，用PReLU激活函数代替原网络的ReLU激活函数。最后，与原DenseNet网络模型及其他经典神经网络模型进行对比实验。结果表明，构建的基于迁移学习的FishNet模型在自建的小黄鱼新鲜度数据集上识别准确率达91.53%，模型具有较高的识别准确率和较强的鲁棒性，解决了水产品新鲜度检测高效和精准识别问题，也为开发智能新鲜度识别系统提供了参考。
来源：2024年第3期
《南方水产科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。