Actuellement, la méthode de détection d'une invalidité externe des pommes de terre repose principalement sur des caractéristiques d'extrelle à la main et la précision de détection n'est pas élevée. Pour mieux marquer en ligne et exactement les handicapés hors pommes de terre, cette expérience a proposé une méthode de notation en ligne basée sur une complexité du réseau légère. Premièrement, utilisez le modèle de fichier de données d'image de mode de tondeuse XCetion, configurez un modèle de réseau de formation pré-pomme de terre; Ensuite, reconstruisez une classe de connexion complète de 5 couches et des données défectueuses de la pomme de terre d'entraînement sont définies en passant au réseau de formation pré-modèle; Enfin, sur la base de l'identification de l'invalidité en dehors du modèle de test distinct des performances de classification de 5 types de défauts. Lorsque le taux d'apprentissage est de 0,00001, la performance globale du modèle de réseau est optimale, la précision de la formation est de 98,88%, la perte est de 0,0349; Dans la même condition d'échantillonnage, 9 profondeurs différentes de réseaux sont comparées, les modèles de réseau doux construits dans cette expérience sont les meilleurs et précisLa haine moyenne est de 96,04% et le réseau de réinitialisation 152 est inférieur au réseau de réinitialisation 152 par rapport à l'efficacité de l'identification.Le taux d'identification de ce modèle de réseau expérimental est de 6,4 / s, le résultat de cette étude fournit une prise en charge théorique de la classification en ligne de la pomme de terre.