基于卷積神經(jīng)網(wǎng)絡(luò)的蔬菜識(shí)別及應(yīng)用研究.pdf

1、近年來，隨著科技的進(jìn)步，越來越多的產(chǎn)品實(shí)現(xiàn)了智能化并在生活的各個(gè)方面取得了不錯(cuò)的效果。然而，在農(nóng)貿(mào)市場、菜市場等農(nóng)產(chǎn)品交易場所智能化還未能成功的實(shí)現(xiàn)，期盼著科技帶來更加便捷的交易方式。例如，只需簡單地將蔬菜放到電子秤上，無需售貨人員的手動(dòng)操作，智能電子秤就能實(shí)現(xiàn)蔬菜的種類識(shí)別、稱重與價(jià)格計(jì)算等功能，方便快捷地進(jìn)行農(nóng)產(chǎn)品交易。在實(shí)際的農(nóng)貿(mào)市場環(huán)境中應(yīng)用智能電子秤的關(guān)鍵是能否對蔬菜進(jìn)行準(zhǔn)確的識(shí)別。本文應(yīng)用了計(jì)算機(jī)視覺的方法對蔬菜進(jìn)行智能自動(dòng)

2、識(shí)別分類，這為菜市場的智能化提供了基礎(chǔ)，具有很好的研究價(jià)值與意義。
　　本文針對蔬菜識(shí)別開展了兩方面研究:面向蔬菜識(shí)別的深層卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)和面向嵌入式的蔬菜網(wǎng)絡(luò)模型壓縮。傳統(tǒng)的蔬菜識(shí)別算法的研究，主要遵循如下框架的步驟:1）提取蔬菜的特征:如顏色特征、紋理特征、形狀特征、密度特征;2）特征的分類:通過融合以上特征送入到SVM[41]分類器或者最小小近鄰分類器分類。由于有些蔬菜的顏色、形狀很相近，加之菜市場的光線、背景等環(huán)境相

3、對復(fù)雜，蔬菜識(shí)別是一項(xiàng)巨大的挑戰(zhàn)。所以本文采用的是目前比較熱門的深度學(xué)習(xí)識(shí)別算法。
　　經(jīng)過對相關(guān)知識(shí)研究以及大量的實(shí)驗(yàn)，證明了深層卷積神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的魯棒性、更廣的泛化性、很好的精確性。本文通過研究蔬菜識(shí)別技術(shù)，并做了大量的實(shí)驗(yàn)，取得了不錯(cuò)的結(jié)果。本文主要工作如下:
　　1)蔬菜數(shù)據(jù)的制作和處理:由于蔬菜數(shù)據(jù)在國內(nèi)外沒有公開的數(shù)據(jù)集，所以本實(shí)驗(yàn)中的蔬菜數(shù)據(jù)是自己采集的，其主要來源是電子秤攝像頭采集和網(wǎng)絡(luò)圖像的收集。由于菜

4、市場的復(fù)雜環(huán)境本文對蔬菜數(shù)據(jù)也做了相應(yīng)的處理來提高識(shí)別的準(zhǔn)確性。在此，本實(shí)驗(yàn)主要鑒別100種常見蔬菜，每種蔬菜圖像在3000張左右。
　　2)設(shè)計(jì)一個(gè)面向蔬菜識(shí)別的深度卷積網(wǎng)絡(luò)結(jié)構(gòu):本文通過大量的實(shí)驗(yàn)，設(shè)計(jì)了一個(gè)面向蔬菜識(shí)別的深度卷積網(wǎng)絡(luò)結(jié)構(gòu)，此網(wǎng)絡(luò)結(jié)構(gòu)主要使用了全卷積方法，本文使用3*3卷積核去替代大的卷積核（如7*7、5*5等），在相同感受野的情況下，可以一定程度的提高準(zhǔn)確性。
　　3)設(shè)計(jì)了一個(gè)面向嵌入式的網(wǎng)絡(luò)壓縮的網(wǎng)

5、絡(luò)結(jié)構(gòu):主要是在面向蔬菜識(shí)別的深度卷積網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上進(jìn)行壓縮。本文主要采用了三種壓縮方法:減少輸入輸出特征圖的通道數(shù)以減少計(jì)算量;減少池化層(Pooling)以提高計(jì)算速度;用深度分離卷積替代3*3卷積、用1*1卷積替代標(biāo)準(zhǔn)的3*3卷積可以達(dá)到模型壓縮的目的。
　　4)蔬菜識(shí)別算法移植到嵌入式系統(tǒng):通過查閱相關(guān)資料，找到一款合適的嵌入式開發(fā)板Firefly-RK3399，并成功移植了蔬菜識(shí)別算法。通過實(shí)驗(yàn)驗(yàn)證，系統(tǒng)可以在開發(fā)板上