【摘要】：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)計針對卷積神經(jīng)網(wǎng)絡(luò)模型LeNet-5應(yīng)用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,通過對卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行合理的參數(shù)調(diào)整和方法選擇,可以應(yīng)用于對復(fù)雜背景環(huán)境下蔬果圖像的識別。其對不同光照強(qiáng)度下以報紙、鋁制托盤、購物袋作為背景的蔬果圖像識別效果為96.7%~98.4%。模型在解決傳統(tǒng)識別技術(shù)預(yù)處理步驟繁瑣且泛化能力差等問題的同時,提升圖像識別精度,具有一定的研究意義和實(shí)用價值。
【圖文】：

慮自然環(huán)境下蔬果農(nóng)產(chǎn)品交易環(huán)節(jié)環(huán)境因素，對算法相關(guān)參數(shù)，，旨在達(dá)到對多種蔬果農(nóng)產(chǎn)品的分類識別的的概述及其應(yīng)用于圖像識別的研究現(xiàn)狀習(xí)的概述習(xí)的研究，是在對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行研究的過程中逐特殊的神經(jīng)網(wǎng)絡(luò)，是一種模擬人腦的網(wǎng)絡(luò)結(jié)構(gòu)。正如學(xué)習(xí)的基本思想是通過模擬具有豐富層次結(jié)構(gòu)的腦神結(jié)構(gòu)組織，通過對輸入信息進(jìn)行多層的篩選、抽樣，成更為抽象的高層表示（屬性類別或特征）。其中，型的網(wǎng)絡(luò)層數(shù)來決定。一般的，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型由淺層學(xué)習(xí)方法，而隱藏層多超過 2 層則稱為深度學(xué)習(xí)

網(wǎng)絡(luò)是以現(xiàn)代神經(jīng)生物學(xué)的研究作為基礎(chǔ)，用結(jié)構(gòu)。其是對人腦的神經(jīng)系統(tǒng)進(jìn)行抽象，觸是神經(jīng)網(wǎng)絡(luò)最為基本的器件。因此，模。而在人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元作為基本絡(luò)的角度出發(fā)，有時會把它稱為“節(jié)點(diǎn)”。其述，是用數(shù)學(xué)語言對生物神經(jīng)元的信息處物神經(jīng)元的結(jié)構(gòu)及功能的模擬，實(shí)現(xiàn)基于元模型模型結(jié)構(gòu)的說明，考慮到神經(jīng)元是構(gòu)成模神經(jīng)元進(jìn)行介紹和說明。圖 2.1 即為一個體輸入輸出關(guān)系，是一個多輸入單輸出的
【學(xué)位授予單位】：浙江農(nóng)林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何江萍;馬彥;李強(qiáng);;基于視覺特征的水果蔬菜自動分類方法[J];重慶師范大學(xué)學(xué)報(自然科學(xué)版);2016年03期

2 朱明;田爽;周鋒;王如剛;;基于圖像處理的果蔬溯源秤系統(tǒng)設(shè)計與開發(fā)[J];電子器件;2016年02期

3 ;中共中央國務(wù)院關(guān)于落實(shí)發(fā)展新理念加快農(nóng)業(yè)現(xiàn)代化實(shí)現(xiàn)全面小康目標(biāo)的若干意見(摘編)[J];農(nóng)業(yè)工程技術(shù);2016年02期

4 程榮花;馬飛;梁亞紅;;形狀相似水果自動化識別研究[J];山東農(nóng)業(yè)科學(xué);2015年08期

5 張寧;朱金福;;基于深度自動編碼器的機(jī)場安檢人臉識別系統(tǒng)設(shè)計[J];計算機(jī)測量與控制;2015年02期

6 尹寶才;王文通;王立春;;深度學(xué)習(xí)研究綜述[J];北京工業(yè)大學(xué)學(xué)報;2015年01期

7 陶華偉;趙力;奚吉;虞玲;王彤;;基于顏色及紋理特征的果蔬種類識別方法[J];農(nóng)業(yè)工程學(xué)報;2014年16期

8 劉建偉;劉媛;羅雄麟;;深度學(xué)習(xí)研究進(jìn)展[J];計算機(jī)應(yīng)用研究;2014年07期

9 徐珂;;計算機(jī)圖像處理技術(shù)的探析[J];電腦知識與技術(shù);2014年11期

10 黃曉琳;薛月菊;涂淑琴;李鴻生;何金輝;;基于壓縮感知理論的RGB-D圖像分類方法[J];計算機(jī)應(yīng)用與軟件;2014年03期

相關(guān)重要報紙文章 前1條

1 關(guān)健;;開疆拓土 阿里巴巴靠15件頂尖武器[N];第一財經(jīng)日報;2015年

相關(guān)碩士學(xué)位論文 前1條

1 陽江平;基于計算機(jī)視覺的果蔬識別方法研究[D];大連理工大學(xué);2011年

本文編號：2547682