基于机器视觉的金针菇分类识别方法研究

发布时间：2023-03-19 08:54

　　当前市场上的金针菇大多通过工厂化栽培后再由人工做品质等级分类。然而,人工分类易受个人主观情感,生产经验等因素的不利影响,此外,长时间的从事金针菇分类工作的人,视力容易疲劳,也会影响到分类的准确率和效率,导致金针菇生产的经济效益下降。近几年随着机器视觉技术、模式识别技术的快速发展,研究基于机器视觉的金针菇分类方法对于提高金针菇分类准确率和效率具有重要的意义和广泛的应用价值。但是,目前国内外对基于机器视觉的金针菇分类方法的相关探索不多。为了对所列出的不足进行改进,本文将在以下几个方面开展研究:1、构建一个标准的金针菇图像数据库(Mushroom Image Database,MID)。本文搭建了一个视觉系统进行金针菇图像的采集。每颗金针菇的根部和头部都进行了采集。MID中共包含图像32827张,其中菇头部19595张,菇根部13232张。此外,本文还对金针菇分类任务设计了一个标准的测试协议,用于全面评估金针菇分类的准确率。2、在金针菇分类的标准中,金针菇的头部分类与根部分类是金针菇分类的两个关键环节,因此本文在研究金针菇分类的问题上,我们分别对金针菇的头部与根部进行分类。(1)针对根部分类...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景与意义
    1.2 机器视觉在农业领域的研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 金针菇分类研究的难点
    1.4 文章结构
    1.5 本章小结
第2章 深度学习理论基础
    2.1 神经网络理论
        2.1.1 神经网络的基本思想
        2.1.2 神经网络的模型
    2.2 深度学习的兴起
    2.3 卷积神经网络
        2.3.1 卷积神经网络的概念
        2.3.2 卷积神经网络的结构
        2.3.3 经典的卷积神经网络
    2.4 深度学习工具汇总
    2.5 本章小结
第3章 金针菇数据库构建
    3.1 引言
    3.2 金针菇分类的相关工艺流程介绍
    3.3 金针菇图像采集系统
        3.3.1 相机选型
        3.3.2 镜头选型
        3.3.3 光源照明
        3.3.4 其他设备
    3.4 分类标准
    3.5 金针菇数据库的建立
    3.6 图像预处理
    3.7 本章小结
第4章 金针菇根部分类
    4.1 Caffe介绍
    4.2 基于VGG网络的迁移学习的金针菇分类模型
        4.2.1 迁移学习
        4.2.2 Alex和VGG网络结构介绍
        4.2.3 金针菇根部分类网络结构
    4.3 实验与分析
        4.3.1 实验条件
        4.3.2 测评协议
        4.3.3 实验结果与分析
    4.4 本章小结
第5章 金针菇头部分类
    5.1 引言
        5.1.1 残差网络概述
        5.1.2 残差网络结构
    5.2 基于经典卷积神经网络模型的金针菇头部分类分类
        5.2.1 AlexNet
        5.2.2 VGGNet
        5.2.3 ResNet
    5.3 实验结果分析
        5.3.1 实验条件
        5.3.2 实验结果分析
    5.4 实验对比
    5.5 金针菇等级分类
    5.6 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果



本文编号：3764959