基于卷积神经网络的烟丝物质组成识别方法
文献类型：期刊论文
| 刊名 | 烟草科技
 |
| 出版日期 | 2017 |
| 卷号 | 050 |
| 关键词 | 卷积神经网络 叶丝 梗丝 膨胀叶丝 再造烟叶丝 反向传播 深度学习 结构特征 组成成分识别 |
| ISSN号 | 1002-0861 |
| 其他题名 | Identification of tobacco components in cut filler based on convolutional neural network |
| 英文摘要 | 为了满足混合烟丝物质组成的检测需求，针对叶丝、梗丝、膨胀叶丝、再造烟叶丝4种烟丝组成的结构特征差异，采用深度学习的方法，建立基于卷积神经网络的烟丝组成识别模型，使用体现烟丝微观结构特征的局部特征图片作为神经网络的输入，分析识别出每个特征图片对应的输出结果，通过统计方法得出烟丝的组成成分。结果表明：识别模型对烟丝训练样本和测试样本的识别正确率分别为100%和84.95%，模型中的卷积神经网络结合相应的结果表示方法，可以更好地提高烟丝样本成分的识别正确率。 |
| 语种 | 中文 |
| CSCD记录号 | CSCD:6070237 |
| 源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/61924]  |
| 专题 | 中国科学院合肥物质科学研究院 |
| 推荐引用方式 GB/T 7714 | . 基于卷积神经网络的烟丝物质组成识别方法[J]. 烟草科技,2017,050. |
| APA | (2017).基于卷积神经网络的烟丝物质组成识别方法.烟草科技,050. |
| MLA | "基于卷积神经网络的烟丝物质组成识别方法".烟草科技 050(2017). |
入库方式： OAI收割
来源：合肥物质科学研究院
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。