基于卷積神經(jīng)網(wǎng)絡(luò)的交易環(huán)境下蔬果圖像識別研究.pdf

1、隨著科技的發(fā)展，商品交易越來越方便，自動化滲入到交易的每一個環(huán)節(jié)。但在農(nóng)產(chǎn)品產(chǎn)銷過程中，針對蔬果的自動分類識別技術(shù)并不成熟，例如在交易階段，對蔬果的分類更多還是通過人工分揀完成，既為經(jīng)銷商增加了人力成本，又為消費(fèi)者帶來了不便的購物體驗(yàn)。隨著計(jì)算機(jī)視覺技術(shù)被廣泛應(yīng)用于農(nóng)產(chǎn)品蔬果的分類識別和品質(zhì)檢測，這為解決這一問題提供可能。然而，當(dāng)前蔬果圖像自動識別的研究更多集中于單一的、沒有背景環(huán)境的蔬果圖像上，且更多通過對紋理、顏色等特征進(jìn)行提取，利

2、用淺層學(xué)習(xí)技術(shù)，實(shí)現(xiàn)對蔬果圖像的識別。在方法上并不能滿足多種蔬果的分類識別。
　　針對以上背景，本研究集中考慮蔬果交易環(huán)境下的圖像識別研究，采用深度學(xué)習(xí)方法來提高蔬果圖像的識別率，通過卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建模型并實(shí)現(xiàn)分類和識別。主要工作內(nèi)容如下:
　　1)采集15類蔬果圖像，共111309張樣本數(shù)據(jù)，經(jīng)過二進(jìn)制轉(zhuǎn)換，形成用以構(gòu)成研究訓(xùn)練集、驗(yàn)證集和評估集的蔬果農(nóng)產(chǎn)品圖像庫。
　　2)設(shè)計(jì)針對卷積神經(jīng)網(wǎng)絡(luò)模型LeNet-5應(yīng)用

3、于蔬果圖像識別的結(jié)構(gòu)優(yōu)化實(shí)驗(yàn)，通過對比分類結(jié)果，得出增加卷積層和卷積核數(shù)量，較少卷積核和池化范圍大小，能夠提升分類效果的結(jié)論。由結(jié)論對模型進(jìn)行優(yōu)化，同時(shí)為防止過擬合，引入Dropout技術(shù)，最終形成應(yīng)用于復(fù)雜背景環(huán)境下蔬果圖像識別的模型DCNN-V。
　　3)基于模型DCNN-V，分別選擇不同光照強(qiáng)度、背景環(huán)境和識別蔬果數(shù)量的圖像作為驗(yàn)證和評估集用以評估模型的識別效果。并將識別效果與其它方法做比較。
　　研究結(jié)果表明，通過對