深度學(xué)習(xí)構(gòu)成了一種用于圖像處理和數(shù)據(jù)分析的最新現(xiàn)代技術(shù),在圖像處理和數(shù)據(jù)分析方面具有巨大應(yīng)用前景,智慧農(nóng)業(yè)的發(fā)展也已經(jīng)引入了深度學(xué)習(xí)。中國(guó)農(nóng)產(chǎn)品中果品的栽種規(guī)模以及生產(chǎn)規(guī)模都在世界上處于舉足輕重的地位,但是果品種類的產(chǎn)后分揀處理技術(shù)制約著商品化市場(chǎng)經(jīng)濟(jì)的發(fā)展,實(shí)現(xiàn)水果種類的自動(dòng)分類識(shí)別處理成為國(guó)內(nèi)農(nóng)業(yè)現(xiàn)代化發(fā)展的基礎(chǔ)條件。面對(duì)需求,淺層學(xué)習(xí)方法的研究需要依靠大量的人為特征信息提取,并且在水果圖像中存在類間相似的現(xiàn)象,造成人工提取特征很難達(dá)到理想的分類識(shí)別效果。本文基于深度信念網(wǎng)絡(luò)模型的強(qiáng)大自動(dòng)訓(xùn)練學(xué)習(xí)能力,高效的完成多特征信息自動(dòng)提取,提高了水果圖像的識(shí)別率,為智慧農(nóng)業(yè)研究拓展了思路。本文的主要工作如下:(1)完成數(shù)據(jù)集雙線性插值計(jì)算,實(shí)現(xiàn)標(biāo)準(zhǔn)尺度上的統(tǒng)一,使用自動(dòng)閾值分割消除干擾得到彩色目標(biāo)體。在特征處理方面進(jìn)行多任務(wù)學(xué)習(xí),盡可能多層次的對(duì)水果圖像特征進(jìn)行擴(kuò)展以及提高所提取特征的區(qū)分性,設(shè)計(jì)了一種融合紋理特征與顏色特征的深度信念網(wǎng)絡(luò)特征訓(xùn)練模型。對(duì)于顏色特征的定位,選擇更加符合機(jī)器視覺的HSV色彩空間。在對(duì)紋理特征圖像處理過(guò)程中,選用多層級(jí)紋理提取,著重對(duì)局部紋理進(jìn)行提取。首先經(jīng)過(guò)分... 

【文章來(lái)源】：青島大學(xué)山東省

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

果園分布面積

青島大學(xué)碩士學(xué)位論文2圖1.1果園分布面積圖1.2不同水果產(chǎn)量分布圖面對(duì)如此大規(guī)模的水果產(chǎn)量，如何將其準(zhǔn)確的分類識(shí)別是一個(gè)大問(wèn)題。不同種類水果的產(chǎn)后處理情況也影響著水果行業(yè)的銷售規(guī)模。傳統(tǒng)水果的產(chǎn)后處理技術(shù)主要依靠人力完成，依靠人工對(duì)水果的形狀、大孝顏色進(jìn)行不同種類的分揀。整個(gè)過(guò)程較為繁瑣，同時(shí)也需要大量的人力，可謂是耗時(shí)耗力，最大的缺陷就是勞動(dòng)效率偏低，周期長(zhǎng)。隨著對(duì)高質(zhì)量和符合安全標(biāo)準(zhǔn)的農(nóng)產(chǎn)品的要求的增長(zhǎng)，人們對(duì)能準(zhǔn)確、快速和客觀的識(shí)別水果的需求也在持續(xù)增長(zhǎng)[3]。伴隨著研究領(lǐng)域的擴(kuò)展，相關(guān)研究人員結(jié)合圖像處理與模式識(shí)別相關(guān)技術(shù)實(shí)現(xiàn)水果種類產(chǎn)后技術(shù)的革新。數(shù)字圖像識(shí)別技術(shù)一般是檢測(cè)提取圖像各部位的固有屬性，包括顏色、形狀及紋理特征等，然后利用分類器進(jìn)行訓(xùn)練判決，再進(jìn)行分類識(shí)別。水果分類識(shí)別在果品智能采摘、產(chǎn)后分類以及新零售等領(lǐng)域有著非常廣闊的應(yīng)用前景。在智能采摘領(lǐng)域，通過(guò)結(jié)合計(jì)算機(jī)視覺的水果識(shí)別技術(shù)，可以更加高效便捷的對(duì)不同種類果品進(jìn)行智能采摘，

第一章緒論3極大提高農(nóng)作物收益；在產(chǎn)后分類領(lǐng)域，依靠深度學(xué)習(xí)算法對(duì)不同需求的水果實(shí)現(xiàn)分類，節(jié)省了人力勞作；在新零售領(lǐng)域，將大數(shù)據(jù)與水果分類識(shí)別技術(shù)結(jié)合，可以加快經(jīng)濟(jì)效益的提高，加快智能出售和無(wú)人超市等科技生活的建設(shè)。所以，憑借深度學(xué)習(xí)技術(shù)應(yīng)用與數(shù)字圖像識(shí)別算法的有效結(jié)合可以完成對(duì)不同水果品種產(chǎn)后分類識(shí)別的課題研究。21世紀(jì)在科學(xué)技術(shù)的強(qiáng)大助推下已然變成一個(gè)飛速發(fā)展的數(shù)字化時(shí)代。數(shù)字化科技的興起不僅推動(dòng)經(jīng)濟(jì)持續(xù)增長(zhǎng)，而且也在各個(gè)方面影響的人類的生產(chǎn)生活方式。2018年進(jìn)入人工智能元年，“互聯(lián)網(wǎng)+”概念貫穿生產(chǎn)的始末，新零售方式帶來(lái)不一樣的體驗(yàn)。深度學(xué)習(xí)方法是對(duì)已有的機(jī)器學(xué)習(xí)方法的拓展，高效率的深度學(xué)習(xí)技術(shù)主要依靠將底層數(shù)據(jù)特征進(jìn)行有效組合成抽象的高層次數(shù)據(jù)類別特征，從而找到分布式數(shù)據(jù)的特征規(guī)則。深度學(xué)習(xí)技術(shù)的應(yīng)用推進(jìn)了智慧農(nóng)業(yè)的建設(shè)，特別是在種子質(zhì)量檢測(cè)，果類種植智能化與自動(dòng)化，土壤自動(dòng)灌溉等方面實(shí)現(xiàn)農(nóng)業(yè)智能化機(jī)械設(shè)備的創(chuàng)新型研發(fā)。圖1.3深度學(xué)習(xí)技術(shù)在農(nóng)業(yè)方面的應(yīng)用水果這樣的經(jīng)濟(jì)作物在生活中屢見不鮮，而眼睛所見到的水果都已經(jīng)是人工分揀好的。面對(duì)農(nóng)業(yè)大國(guó)，產(chǎn)量超出想象的經(jīng)濟(jì)作物，必須要用一種更加科學(xué)高效的方式解決好產(chǎn)后處理。不同種類的水果識(shí)別分類可以在很多場(chǎng)景中進(jìn)行應(yīng)用，如大型農(nóng)場(chǎng)中可以使用智能機(jī)器人進(jìn)行采摘；采摘之后可以對(duì)其進(jìn)行種類或者成熟度識(shí)別節(jié)省人工成本以及縮短運(yùn)輸?shù)绞袌?chǎng)的周期；在市場(chǎng)銷售過(guò)程中可以借助自動(dòng)識(shí)別的技術(shù)給消費(fèi)者帶來(lái)便捷。課題研究從人性化與科技化方面切入，采集不同種類的水果借助深度學(xué)習(xí)模型機(jī)制完成正確的分類識(shí)別，在水果分類方面進(jìn)行改善，促進(jìn)市場(chǎng)水果的流通，增強(qiáng)市場(chǎng)經(jīng)濟(jì)的競(jìng)爭(zhēng)力。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)水果檢測(cè)的研究與改進(jìn)[J]. 黃豪杰,段先華,黃欣辰.  計(jì)算機(jī)工程與應(yīng)用. 2020(03)
[2]基于HOG特征提取和模糊支持向量機(jī)的西夏文字識(shí)別[J]. 劉興長(zhǎng),孟昱煜.  西北師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)
[3]深度學(xué)習(xí)在我國(guó)農(nóng)業(yè)中的應(yīng)用研究現(xiàn)狀[J]. 呂盛坪,李燈輝,冼榮亨.  計(jì)算機(jī)工程與應(yīng)用. 2019(20)
[4]一種改進(jìn)的Otsu多閾值SAR圖像分割方法[J]. 楊蘊(yùn),李玉,王玉,趙泉華.  遙感信息. 2019(04)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的水果識(shí)別研究[J]. 于悅洋,王冰,王靜,湯喬.  智能計(jì)算機(jī)與應(yīng)用. 2019(04)
[6]形態(tài)學(xué)與RCF相結(jié)合的唐卡圖像邊緣檢測(cè)算法[J]. 劉千,葛阿雷,史偉.  計(jì)算機(jī)應(yīng)用與軟件. 2019(06)
[7]基于深度卷積神經(jīng)網(wǎng)絡(luò)的柑橘目標(biāo)識(shí)別方法[J]. 畢松,高峰,陳俊文,張潞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(05)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的水果圖像分類識(shí)別研究[J]. 曾平平,李林升.  機(jī)械設(shè)計(jì)與研究. 2019(01)
[9]基于噪聲檢測(cè)和動(dòng)態(tài)窗口的圖像去噪算法[J]. 王文豪,嚴(yán)云洋,姜明新,高尚兵,于永濤.  圖學(xué)學(xué)報(bào). 2019(01)
[10]基于灰度共生矩陣和區(qū)域生長(zhǎng)算法的紅外光伏面板圖像分割[J]. 洪向共,周世芬.  科學(xué)技術(shù)與工程. 2018(34)

碩士論文
[1]蘋果圖像特征提取與分類算法的研究與應(yīng)用[D]. 郭永豪.重慶大學(xué) 2010



本文編號(hào)：2930017