来源：期刊VIP网 时间：
作者：齐歌;赵峰;李婉宁;
单位：新乡职业技术学院;河南农业大学;河南工业大学;
摘要：[目的]提高鸡蛋外观品质检测的精度，建立CNN-SVM模型的鸡蛋外观品质检测模型。[方法]结合CNN的自适应特征提取功能和SVM的超强泛化分类性能，通过6层卷积神经网络结构处理提取全连接层的特征，采用CNN-SVM混合模型替代传统CNN+softmax，构建一个基于CNN-SVM模型的鸡蛋外观品质检测方法。[结果]与SVM模型、CNN模型和KNN模型相比，CNN-SVM模型在准确率、精确率、召回率和F1分数方面表现优异，分别为97.97%,98.10%,98.10%,98.00%。KNN模型在鸡蛋外观品质检测上的精度最低，其准确率、精确率、召回率和F1分数分别为77.46%,79.44%,76.75%,76.90%。[结论]CNN-SVM模型具有很强的鲁棒性和抗噪声能力，可以有效提高鸡蛋外观品质检测的准确性和适用性。
关键词：卷积神经网络;;支持向量机;;鸡蛋外观;;全连接层
基金资助：河南省科技攻关项目（编号：21K0437304）;; 河南省高等教育教学改革研究与实践项目（编号：22SJGLX1308）
