基于深度学习的苹果外观无损检测系统研究与实现
发布时间：2021-11-27 11:54
我国是苹果产量大国,苹果产量占全球总产量的50%以上,苹果外观的好坏对苹果的售卖速度、价格与效益都有重要影响,因此,对苹果外观的快速、准确检测并分类是苹果售前处理的关键环节。目前,苹果外观识别依旧使用传统检测方法,针对传统外观检测方法的重复性、低效性的特点,本文提出了一种利用深度学习模型对苹果外观进行无损检测的方法,该方法首先通过苹果外观照片获得数据集,然后使用人工的方式对苹果的好坏进行标记,最后通过Faster R-CNN深度学习算法进行学习建模。实验表明,本文方法具有较高的检测准确率,能够达到预期的设计目的。以下是本文主要开展的工作内容:（1）简述了传统目标检测方法的不足,对神经网络基础及目标检测算法的流程进行介绍,提出了使用深度学习的Faster R-CNN算法完成苹果外观无损的目标检测。（2）本文针对复杂环境下,收集不同种类的有损和无损苹果图片,制作特定的COCO数据集,在自制的数据集下完成了基于VGG16主干网络模型的Faster R-CNN苹果外观无损检测系统。（3）本文根据目标检测结果,提出可能影响目标检测精度不高的原因。通过分析VGG16与ResNet50网络模型结构和...
【文章来源】：内蒙古农业大学内蒙古自治区
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
图４最大池化操作过程??Ｆｉｇ．４?Ｐｒｏｃｅｓｓ?ｏｆ?ｍａｘＰｏｏｌｉｎｇ??
构能够实现的，当遇到非线性问??题，可以使用激活函数来处理，常见的激活函数有Ｓｉｇｍｏｉｄ函数、ＲｅＬＵ函数、Ｓｏｆｔｍａｘ??函数。??２．３．１?Ｓｉｇｍｏｉｄ?函数??对于二分类问题，从隐层到输出层往往使用ＳｉｇｍｏｉＳｄ函数作为激活函数，其函??数的特点是当ｘ取正数时，ｐ（ｘ）接近于０，当ｘ取负数时，ｐ（ｘ）接近于１。其公式为??ＰＷ?＝?ＴＴ＾?（２）??公式２中ｅ为纳皮尔常数，其值约为２．７１８，?ｘ是线性回归方程，ｐ表示计算出??来的概率，ｐ的范围在０到１之间，如图５所示，Ｓｉｇｍｏｉｄ函数几何图像。??ｊ?－??０６?ｊ??Ｃ６?．??〇Ｊ?／??ｎ?一乂??〇?〇?４?－?－?－?－????－１０?０?－７．５?－ＳＣ?－２?５?Ｃ?０?２?Ｓ?５?０?７?￡?１０?０??图５?Ｓｉｇｍｏｉｄ函数几何图像??Ｆｉｇ．５?Ｆｕｎｃｔｉｏｎ?ｏｆ?ｓｉｇｍｏｉｄ??
?内蒙古农业大学硕士学位论文?９??从图５中可以得知，当ｘ值很大时Ｓｉｇｍｉｏｄ函数的导数接近于０，会导致梯度??消失，不能再进行反向传播，所以当设计的网络层数较深时，使用Ｓｉｇｍｉｏｄ函数，??容易出现梯度消失现象。??２．３．２?ＲｅＬＵ?函数??线性整流函数（ＲｅｃｔｉｆｉｅｄＬｉｎｅａｒＵｎｉｔ，ＲｅＬＵ），又称修正性线性单元，是目前较??为广泛使用的一个分段函数，ＲｅＬＵ函数的特点是：当ｘ＜０时，ｙ为０，当ｘ＞０，ｙ与ｘ??值相同，也就是原样输出［２２］。数学表达公式为：??ｙ?＝?Ｍａｘ（０，ｘ）?（３）??如图６所示，ＲｅＬＵ函数几何图像。??５?■?—ｆ／??４?’??３??１?ｊ??３１?…?…??，?ｖ?１??－？４?Ｃ?２?４??图６?ＲｅＬＵ函数几何图像??Ｆｉｇ．６?Ｆｕｎｃｔｉｏｎ?ｏｆ?ＲｅＬＵ??从图６中可以看出Ｒｅｌｕ函数求导简单，在随机梯度下降的训练中收敛很快，使??用Ｒｅｌｕ函数作为激活函数，能够有效解决梯度消失问题。另外，Ｒｅｌｕ函数属于线??性关系，在前向传播和反向传播中比Ｓｉｇｍｉｏｄ函数快，所以得到了广泛应用。??２．４卷积神经网络优化??２．４．１损失函数??神经网络在进行训练过程中通过前向传播计算损失函数Ｌｏｓｓ，再根据Ｌｏｓｓ的值??进行反向推导调整参数。损失函数是用来评估模型的预测值与真实值的误差，其目??的是使预测值与真实值的误差最小，常见的损失函数有均方差损失函数、交叉熵损??失函数［２＜］。??均方差损失函数，使用预测函数与真实值的距离平方和的平均值表示损失函数??。其公式为：??
【参考文献】：
期刊论文
[1]基于高光谱成像技术的富士苹果轻微机械损伤检测研究[J]. 沈宇,房胜,郑纪业,王风云,张琛,李哲. 山东农业科学. 2020(02)
[2]苹果无损检测和品质分级技术研究进展及展望[J]. 曹玉栋,祁伟彦,李娴,李哲敏. 智慧农业. 2019(03)
[3]基于共聚焦拉曼光谱技术的苹果轻微损伤早期判别分析[J]. 陈思雨,张舒慧,张纾,谭佐军. 光谱学与光谱分析. 2018(02)
[4]基于决策树支持向量机的苹果表面缺陷识别[J]. 邱光应,彭桂兰,陶丹,王峥荣. 食品与机械. 2017(09)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[6]高光谱成像技术的苹果品质无损检测[J]. 孙梅,陈兴海,张恒,陈海霞. 红外与激光工程. 2014(04)
[7]苹果擦伤拉曼光谱无损检测虚拟系统研究[J]. 高晓阳,Paul Heinemann,Joseph Irudayaraj. 农业工程学报. 2005(03)
硕士论文
[1]基于深度学习的分拣机器人目标识别与定位[D]. 解修亮.安徽工程大学 2019
[2]基于卷积神经网络的人脸识别研究与实现[D]. 李勇康.华中师范大学 2019
[3]基于深度学习算法的水果图像目标分类与检测研究[D]. 曾平平.南华大学 2019
[4]基于深度学习的自然环境下的水果目标检测研究[D]. 薛彬.燕山大学 2019
[5]基于TensorFlow的卷积神经网络的应用研究[D]. 姜新猛.华中师范大学 2017
本文编号：3522231
【文章来源】：内蒙古农业大学内蒙古自治区
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
图４最大池化操作过程??Ｆｉｇ．４?Ｐｒｏｃｅｓｓ?ｏｆ?ｍａｘＰｏｏｌｉｎｇ??
构能够实现的，当遇到非线性问??题，可以使用激活函数来处理，常见的激活函数有Ｓｉｇｍｏｉｄ函数、ＲｅＬＵ函数、Ｓｏｆｔｍａｘ??函数。??２．３．１?Ｓｉｇｍｏｉｄ?函数??对于二分类问题，从隐层到输出层往往使用ＳｉｇｍｏｉＳｄ函数作为激活函数，其函??数的特点是当ｘ取正数时，ｐ（ｘ）接近于０，当ｘ取负数时，ｐ（ｘ）接近于１。其公式为??ＰＷ?＝?ＴＴ＾?（２）??公式２中ｅ为纳皮尔常数，其值约为２．７１８，?ｘ是线性回归方程，ｐ表示计算出??来的概率，ｐ的范围在０到１之间，如图５所示，Ｓｉｇｍｏｉｄ函数几何图像。??ｊ?－??０６?ｊ??Ｃ６?．??〇Ｊ?／??ｎ?一乂??〇?〇?４?－?－?－?－????－１０?０?－７．５?－ＳＣ?－２?５?Ｃ?０?２?Ｓ?５?０?７?￡?１０?０??图５?Ｓｉｇｍｏｉｄ函数几何图像??Ｆｉｇ．５?Ｆｕｎｃｔｉｏｎ?ｏｆ?ｓｉｇｍｏｉｄ??
?内蒙古农业大学硕士学位论文?９??从图５中可以得知，当ｘ值很大时Ｓｉｇｍｉｏｄ函数的导数接近于０，会导致梯度??消失，不能再进行反向传播，所以当设计的网络层数较深时，使用Ｓｉｇｍｉｏｄ函数，??容易出现梯度消失现象。??２．３．２?ＲｅＬＵ?函数??线性整流函数（ＲｅｃｔｉｆｉｅｄＬｉｎｅａｒＵｎｉｔ，ＲｅＬＵ），又称修正性线性单元，是目前较??为广泛使用的一个分段函数，ＲｅＬＵ函数的特点是：当ｘ＜０时，ｙ为０，当ｘ＞０，ｙ与ｘ??值相同，也就是原样输出［２２］。数学表达公式为：??ｙ?＝?Ｍａｘ（０，ｘ）?（３）??如图６所示，ＲｅＬＵ函数几何图像。??５?■?—ｆ／??４?’??３??１?ｊ??３１?…?…??，?ｖ?１??－？４?Ｃ?２?４??图６?ＲｅＬＵ函数几何图像??Ｆｉｇ．６?Ｆｕｎｃｔｉｏｎ?ｏｆ?ＲｅＬＵ??从图６中可以看出Ｒｅｌｕ函数求导简单，在随机梯度下降的训练中收敛很快，使??用Ｒｅｌｕ函数作为激活函数，能够有效解决梯度消失问题。另外，Ｒｅｌｕ函数属于线??性关系，在前向传播和反向传播中比Ｓｉｇｍｉｏｄ函数快，所以得到了广泛应用。??２．４卷积神经网络优化??２．４．１损失函数??神经网络在进行训练过程中通过前向传播计算损失函数Ｌｏｓｓ，再根据Ｌｏｓｓ的值??进行反向推导调整参数。损失函数是用来评估模型的预测值与真实值的误差，其目??的是使预测值与真实值的误差最小，常见的损失函数有均方差损失函数、交叉熵损??失函数［２＜］。??均方差损失函数，使用预测函数与真实值的距离平方和的平均值表示损失函数??。其公式为：??
【参考文献】：
期刊论文
[1]基于高光谱成像技术的富士苹果轻微机械损伤检测研究[J]. 沈宇,房胜,郑纪业,王风云,张琛,李哲. 山东农业科学. 2020(02)
[2]苹果无损检测和品质分级技术研究进展及展望[J]. 曹玉栋,祁伟彦,李娴,李哲敏. 智慧农业. 2019(03)
[3]基于共聚焦拉曼光谱技术的苹果轻微损伤早期判别分析[J]. 陈思雨,张舒慧,张纾,谭佐军. 光谱学与光谱分析. 2018(02)
[4]基于决策树支持向量机的苹果表面缺陷识别[J]. 邱光应,彭桂兰,陶丹,王峥荣. 食品与机械. 2017(09)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[6]高光谱成像技术的苹果品质无损检测[J]. 孙梅,陈兴海,张恒,陈海霞. 红外与激光工程. 2014(04)
[7]苹果擦伤拉曼光谱无损检测虚拟系统研究[J]. 高晓阳,Paul Heinemann,Joseph Irudayaraj. 农业工程学报. 2005(03)
硕士论文
[1]基于深度学习的分拣机器人目标识别与定位[D]. 解修亮.安徽工程大学 2019
[2]基于卷积神经网络的人脸识别研究与实现[D]. 李勇康.华中师范大学 2019
[3]基于深度学习算法的水果图像目标分类与检测研究[D]. 曾平平.南华大学 2019
[4]基于深度学习的自然环境下的水果目标检测研究[D]. 薛彬.燕山大学 2019
[5]基于TensorFlow的卷积神经网络的应用研究[D]. 姜新猛.华中师范大学 2017
本文编号：3522231
本文链接：https://www.wllwen.com/nykjlw/yylw/3522231.html
最近更新
教材专著
