来源：期刊VIP网 时间：
作者：曹凯;周扬;蔡成岗;
单位：浙江科技大学生物与化学工程学院;浙江科技大学信息与电子工程学院;
摘要：珍珠的光泽度是对珍珠评价和分类的一个重要标准。目前对珍珠光泽度分类的方法包括人工分类和传统图像处理分类，前者分类速度慢、效率低，后者分类过程易受环境干扰且准确率低。针对以上问题，文中提出一种基于深度学习和光学相干层析成像技术（OCT）结合的珍珠光泽度分级方法。在完成OCT珍珠图像采集后，利用卷积神经网络模型（CNN）对采集到的珍珠OCT图像数据集进行训练，并使用训练完毕的网络实施预测。所提方法在训练时不需要对图像做过多的预处理，提高了珍珠分级过程中的时间效率。通过对多个网络的对比实验表明：采用ResNet50模型对珍珠光泽度分类的方法准确率较高，分类的平均准确率达到96.9%；对比VggNet16、AlexNet和ResNet18三个经典的卷积神经网络具有显著优势，实现了珍珠光泽度的快速分级，具有实际应用价值。
关键词：光学相干层析成像技术;;深度卷积神经网络;;珍珠光泽度分类;;ResNet50模型;;光学特征融合;;BatchNorm
基金资助：浙江省“尖兵”“领雁”研发攻关计划(2023C02028)
