基于卷积神经网络的交易环境下蔬果图像识别研究

发布时间：2019-10-11 21:41

【摘要】：随着科技的发展,商品交易越来越方便,自动化渗入到交易的每一个环节。但在农产品产销过程中,针对蔬果的自动分类识别技术并不成熟,例如在交易阶段,对蔬果的分类更多还是通过人工分拣完成,既为经销商增加了人力成本,又为消费者带来了不便的购物体验。随着计算机视觉技术被广泛应用于农产品蔬果的分类识别和品质检测,这为解决这一问题提供可能。然而,当前蔬果图像自动识别的研究更多集中于单一的、没有背景环境的蔬果图像上,且更多通过对纹理、颜色等特征进行提取,利用浅层学习技术,实现对蔬果图像的识别。在方法上并不能满足多种蔬果的分类识别。针对以上背景,本研究集中考虑蔬果交易环境下的图像识别研究,采用深度学习方法来提高蔬果图像的识别率,通过卷积神经网络构建模型并实现分类和识别。主要工作内容如下:1)采集15类蔬果图像,共111309张样本数据,经过二进制转换,形成用以构成研究训练集、验证集和评估集的蔬果农产品图像库。2)设计针对卷积神经网络模型LeNet-5应用于蔬果图像识别的结构优化实验,通过对比分类结果,得出增加卷积层和卷积核数量,较少卷积核和池化范围大小,能够提升分类效果的结论。由结论对模型进行优化,同时为防止过拟合,引入Dropout技术,最终形成应用于复杂背景环境下蔬果图像识别的模型DCNN-V。3)基于模型DCNN-V,分别选择不同光照强度、背景环境和识别蔬果数量的图像作为验证和评估集用以评估模型的识别效果。并将识别效果与其它方法做比较。研究结果表明,通过对卷积神经网络模型进行合理的参数调整和方法选择,可以应用于对复杂背景环境下蔬果图像的识别。其对不同光照强度下以报纸、铝制托盘、购物袋作为背景的蔬果图像识别效果为96.7%~98.4%。模型在解决传统识别技术预处理步骤繁琐且泛化能力差等问题的同时,提升图像识别精度,具有一定的研究意义和实用价值。
【图文】：

学习网络,结构模型

虑自然环境下蔬果农产品交易环节环境因素，对算法相关参数，，旨在达到对多种蔬果农产品的分类识别的的概述及其应用于图像识别的研究现状习的概述习的研究，是在对人工神经网络进行研究的过程中逐特殊的神经网络，是一种模拟人脑的网络结构。正如学习的基本思想是通过模拟具有丰富层次结构的脑神结构组织，通过对输入信息进行多层的筛选、抽样，成更为抽象的高层表示（属性类别或特征）。其中，型的网络层数来决定。一般的，传统神经网络模型由浅层学习方法，而隐藏层多超过 2 层则称为深度学习

模型图,模型,神经元,神经生物学

网络是以现代神经生物学的研究作为基础，用结构。其是对人脑的神经系统进行抽象，触是神经网络最为基本的器件。因此，模。而在人工神经网络中，神经元作为基本络的角度出发，有时会把它称为“节点”。其述，是用数学语言对生物神经元的信息处物神经元的结构及功能的模拟，实现基于元模型模型结构的说明，考虑到神经元是构成模神经元进行介绍和说明。图 2.1 即为一个体输入输出关系，是一个多输入单输出的
【学位授予单位】：浙江农林大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;TP183

【参考文献】