基于卷积神经网络的竹片颜色分类方怡红１，２，伍希志２∗，牛晗２，贾惠２（１．湖南双达机电有限责任公司，湖南长沙４１０００４；２．中南林业科技大学材料科学与工程学院，湖南长沙４１０００４）摘要竹片颜色分类是提高竹产品表面美观的重要工艺。提出了基于ＲｅｓＮｅｔ神经网络模型与ＡｌｅｘＮｅｔ神经网络模型的竹片颜色分类方法，分别采用ＲｅｓＮｅｔ和ＡｌｅｘＮｅｔ２种神经网络进行竹片颜色分类，对比ＲｅｓＮｅｔ与ＡｌｅｘＮｅｔ２种神经网络的颜色分类准确率，并对改进后的ＲｅｓＮｅｔ神经网络模型进行了颜色分类验证。结果表明，ＡｌｅｘＮｅｔ模型的颜色分类准确率为８９．７％，优化后ＲｅｓＮｅｔ模型的颜色分类准确率为９９．９％，颜色分类效果比ＡｌｅｘＮｅｔ模型好。关键词卷积神经网络；颜色分类；竹片；ＲｅｓＮｅｔ；ＡｌｅｘＮｅｔ中图分类号Ｓ１２６文献标识码Ａ文章编号０５１７－６６１１（２０２３）０８－０１９９－０４ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．０５１７－６６１１．２０２３．０８．０４６开放科学（资源服务）标识码（ＯＳＩＤ）：ＣｏｌｏｒＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＢａｍｂｏｏＳｌｉｃｅｓＢａｓｅｄｏｎＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋＦＡＮＧＹｉ⁃ｈｏｎｇ１，２，ＷＵＸｉ⁃ｚｈｉ２，ＮＩＵＨａｎ２ｅｔａｌ（１．ＨｕｎａｎＳｈｕａｎｇｄａＥｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌＣｏ．，Ｌｔｄ．，Ｃｈａｎｇｓｈａ，Ｈｕｎａｎ４１０００４；２．ＣｏｌｌｅｇｅｏｆＭａｔｅｒｉａｌｓＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＣｅｎｔｒａｌＳｏｕｔｈＵｎｉｖｅｒｓｉｔｙｏｆＦｏｒｅｓｔｒｙａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ，Ｈｕｎａｎ４１０００４）ＡｂｓｔｒａｃｔＴｈｅｃｏｌｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｂａｍｂｏｏｃｈｉｐｓｉｓａｎｉｍｐｏｒｔａｎｔｐｒｏｃｅｓｓｔｏｉｍｐｒｏｖｅｔｈｅａｐｐｅａｒａｎｃｅｏｆｂａｍｂｏｏｐｒｏｄｕｃｔｓ．ＴｈｅｐａｐｅｒｐｒｏｐｏｓｅｄａｂａｍｂｏｏｃｏｌｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅＲｅｓＮｅｔｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌａｎｄｔｈｅＡｌｅｘＮｅｔｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ．ＲｅｓＮｅｔａｎｄＡｌｅｘＮｅｔｎｅｕｒａｌｎｅｔｗｏｒｋｓｗｅｒｅｕｓｅｄｔｏｃｌａｓｓｉｆｙｂ...
