基于孪生网络的苹果外观品质分级方法

针对人工和机械在苹果分级中存在低效、易损、准确率低等问题，提出一种基于孪生网络的苹果外观品质分级方法。该方法首先人工采集包含真实背景和不同等级的苹果图像数据集，并进行预处理操作，包括删除无关背景、0-1缩放和数据增强等；其次以卷积层、池化层和批归一化层为基础模块，搭建神经网络模型，提取苹果图像特征；最后用全连接层训练一个分类器，完成对苹果图像特征的分类，从而得到苹果外观品质对应的等级，其中模型的损失函数为对比损失。实验结果表明，构建的孪生网络模型在苹果外观品质分级中，平均分类准确率达到了97.71%，具有较好的稳定性，其用于苹果外观品质的自动分级是可行的，并为其他农产品的外观分级提供思路和参考。