一种基于卷积神经网络参数优化棉花等级分类算法

棉花是我国重要农产品之一，全国棉花种植面积有5000万亩左右，每年产出600万吨左右棉花。而棉花的等级分类是棉花收购前的一个重要环节，目前我国对于棉花的分类仍主要采用人工分类的方法，但这种方式容易产生一系列问题，并且由于人工检测的误差容易导致棉农与收购商之间产生利益纠纷。随着机器视觉技术不断发展，越来越多的问题应用机器视觉技术得以解决。肖春燕[1]提出了一种皮棉轧工质量分级模型，将BP神经网络技术应用在了棉花的等级分类当中，通过SPSS Modeler软件建立神经网络模型对棉花质量等级进行分级，有效提高轧工质量分级效果，减少人工误差。但是该模型只能对二级白棉进行分类，并且BP神经网络模型的初始网络权重对模型的影响非常大，以不同的权重初始化网络往往会产生不同的训练结果，从而产生较大误差。

近年来，基于卷积神经网络的深度学习模型由于其较强的图像分类能力而被广泛地应用于农业领域的各种问题中，如植物病害识别、水果分类、农作物品级分类等。Lu 等人[2]提出了一种基于深度学习技术的水稻病害识别方法，用于识别10种常见的水稻病害，通过引入迁移学习对预先训练好的深度学习网络进行微调来提高模型的学习效率，提高了收敛速度和识别精度。王士鑫[3]等人提出了一种基于卷积神经网络的烟叶分级系统，通过使用卷积神经网络中的InceptionV3模型并结合迁移学习来实现对烟叶等级的分类。……