基于改进卷积神经网络的毛发显微图像自动分类

利用卷积神经网络对毛发物证显微图像进行自动分类,为进一步提高显微检验技术的自动化程度和毛发物证检验提供技术参考。采用徕卡DVM6数码显微镜在1400倍放大条件下采集6类毛发共60000张样本图像,构建毛发分类数据集。基于卷积神经网络搭建Hair-Net模型,通过该模型对毛发分类数据集进行样本训练和测试验证。实验研究表明,经过参数调试和优化手段的改进后,新的Hair-Net分类精度最高可达97.82%,成功实现了毛发物证显微图像的自动分类,增强了稳健性。