發(fā)布時(shí)間：2021-01-22 15:49

　　食用農(nóng)產(chǎn)品批發(fā)市場(chǎng)涉及眾多食用水果經(jīng)營(yíng)商戶,這些商戶經(jīng)營(yíng)的水果種類繁多而且交易量也巨大。但目前商戶在食用水果的交易過(guò)程中仍采用傳統(tǒng)人工操作的方式,尤其批發(fā)銷售時(shí)需要通過(guò)人工判斷識(shí)別水果種類后,才能輸入相應(yīng)的價(jià)格數(shù)據(jù)進(jìn)而計(jì)算交易的總金額。這種操作方式不僅沒(méi)有充分利用先進(jìn)的互聯(lián)網(wǎng)+和當(dāng)前人工智能技術(shù)的優(yōu)勢(shì),而且消耗人力、增加勞動(dòng)強(qiáng)度、影響經(jīng)營(yíng)成本等。因此,研發(fā)一套食用水果圖像識(shí)別系統(tǒng)用于輔助水果經(jīng)營(yíng)商戶自動(dòng)高效識(shí)別水果圖像的種類后便能完成水果交易中的涉及的費(fèi)用計(jì)算是有意義的和應(yīng)用價(jià)值的。本文所研究的內(nèi)容旨在基于先進(jìn)的深度學(xué)習(xí)技術(shù)構(gòu)建一個(gè)食用水果圖像識(shí)別模型,并基于該模型研發(fā)面向批發(fā)市場(chǎng)食用水果商戶交易需要的食用水果圖像識(shí)別系統(tǒng)。本文的主要研究?jī)?nèi)容及工作如下:（1）研究分析了基于傳統(tǒng)機(jī)器學(xué)習(xí)和基于深度學(xué)習(xí)的水果圖像識(shí)別相關(guān)技術(shù)。對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)中的特征提取算法、分類算法進(jìn)行了研究分析,著重研究分析了卷積神經(jīng)網(wǎng)絡(luò)技術(shù),尤其是較深入研究分析了 AlexNet、MobileNet以及MobileNetV2的網(wǎng)絡(luò)架構(gòu)特點(diǎn)和主要應(yīng)用。（2）采集和整理進(jìn)行模型訓(xùn)練需要的食用水果圖像數(shù)據(jù)集。本文在基于真實(shí)的... 

【文章來(lái)源】：南昌大學(xué)江西省 211工程院校

【文章頁(yè)數(shù)】：93 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１傳統(tǒng)圖像識(shí)別流程圖??

?第２章相關(guān)理論及技術(shù)介紹???Ｔ等人［１６】在１９９４年提出，以提取圖像的局部紋理特征作為判別依據(jù)。ＬＢＰ特征??具有灰度不變性、計(jì)算簡(jiǎn)單且特征提取效果良好等顯著優(yōu)點(diǎn)，所以被廣泛應(yīng)用??于計(jì)算機(jī)視覺和圖像識(shí)別等多個(gè)領(lǐng)域。??傳統(tǒng)ＬＢＰ定義在３＊３區(qū)域內(nèi)，用最中間像素的灰度值作閾值，將周圍８?jìng)�(gè)??像素點(diǎn)的灰度值與其比較。若大于或等于該閾值，則被記為１。若小于該閾值，??則被記為０。通過(guò)上述計(jì)算，３＊３區(qū)域?qū)⑸梢粋�(gè)８位二進(jìn)制數(shù)，將其轉(zhuǎn)換為十??進(jìn)制數(shù)，即得該中心像素點(diǎn)的ＬＢＰ碼。它反映了以該區(qū)域像素點(diǎn)的紋理信息。??ＬＢＰ編碼過(guò)程如圖２．２所示。??ｒｒｎｎ?ｒｒ＾??＿ｍ＿ｇ。?１?＾?ｓ（ｇｃ－ｇｏ）?（〇ｉｉｉ〇ｈ〇）２＝（１１８）１〇??６?１０?１?１?１?０??原始圖像?二值圖像?ＬＢＰ特征值??圖２．２?ＬＢＰ算法示意圖??計(jì)算窗口區(qū)域中心像素點(diǎn)的ＬＢＰ編碼值如公式２．１、公式２．２所示：??ＬＢＰ（ｘｃ，ｙｃ）＝＾２Ｐｓ（ｉｐ－ｉｃ）??＾?（２．１）??ｓ｛ｘ）?＝?／１??｜＾０?ｅｋｅ??（２．２）??公式２．１中ｈ）是中心像素值，（是灰度值，是相鄰像素的灰度值。??公式２．２公式表不為一個(gè)符號(hào)函數(shù)。??２．１．２?ＬＢＰ旋轉(zhuǎn)不變模式??由２．１．１中ＬＢＰ的定義得出，ＬＢＰ具備灰度不變性，但不同旋轉(zhuǎn)角度會(huì)得到??不同ＬＢＰ值，不具備旋轉(zhuǎn)不變的特點(diǎn)。??因此，Ｍａｅｎｐａａ［１７］等人將傳統(tǒng)ＬＢＰ算子進(jìn)行改變，將３＊３鄰域旋轉(zhuǎn)得８?jìng)�(gè)??７??

?第２章相關(guān)理論及技術(shù)介紹???ＬＢＰ值，取其中的最小值作該鄰域的ＬＢＰ值。??圖２．３是求旋轉(zhuǎn)不變ＬＢＰ值的算法示意圖，可見最后得到具有旋轉(zhuǎn)不變性??的ＬＢＰ值為１５。??〇°〇??。｜?〇．．／２２Ｓ??？?〇????〇?°?０?？?°?０?？?＃?〇?？?＃?？?？？馨?〇?＃?？?０〇?魯??參?〇？?〇?＃?〇?馨?〇〇?參?〇?？０?？??＊?？?？?？?？?°?？?〇?°?°?〇?°?０〇０?°?〇？?°?？??＞４０?１２０?６Ｕ?３０?１５?１３５?１９５??ＩＳ??圖２．３?ＬＢＰ旋轉(zhuǎn)不變模式算法示意圖??計(jì)算窗口區(qū)域中心像素點(diǎn)的旋轉(zhuǎn)不變ＬＢＰ算子編碼值如公式２．３所示：??ＬＢＰ；［ｒ?＝?ｍｉｎ｛ＲＯＲ（ＬＢＰＰＲ，ｉ?｜?ｉ?＝?０，１，．．．，?Ｐ－１｝?（２．３）??表示旋轉(zhuǎn)不變ＬＢＰ算子的編碼值，（ｘｊ＿）函數(shù)為旋轉(zhuǎn)函數(shù)，表示??將ｘ循環(huán)右移ｚ？位。??２．?１．３?ＬＢＰ等價(jià)模式??由２．１．１中定義可得，半徑為Ｒ的圓形區(qū)域ＬＢＰ包含Ｐ個(gè)采樣點(diǎn)，會(huì)產(chǎn)生２〃??種二進(jìn)制模式�？梢姡瑐鹘y(tǒng)ＬＢＰ產(chǎn)生過(guò)多二進(jìn)制模式，對(duì)紋理特征的提娶識(shí)??別、分類等操作造成不便。違背了特征提取算法簡(jiǎn)潔迅速的初衷，故綜合存儲(chǔ)??空間、計(jì)算速度等要求，需對(duì)原始的ＬＢＰ算子進(jìn)行降維。??為了解決上述問(wèn)題，Ｏｊａｌａ［１８］等人提出一種“等價(jià)模式”：當(dāng)ＬＢＰ的二進(jìn)制碼??在０與１之間存在２次以下跳轉(zhuǎn)時(shí)，該ＬＢＰ二進(jìn)制碼稱為等價(jià)模式類，跳轉(zhuǎn)次數(shù)??大于２則歸為混合模式類。與原始ＬＢＰ相比，ＬＢＰ等價(jià)模式中在保證所需提取??信息完整的前提下，將模式數(shù)量由初始的減少為Ｐ

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的水果識(shí)別技術(shù)研究[J]. 林云森,范文強(qiáng),姜佳良.  光電技術(shù)應(yīng)用. 2019(06)
[2]基于MobileNet V2-ELM的肝硬化識(shí)別[J]. 劉夢(mèng)倫,趙希梅,魏賓.  青島大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[3]基于遷移學(xué)習(xí)的自然環(huán)境下香梨目標(biāo)識(shí)別研究[J]. 孟欣欣,阿里甫·庫(kù)爾班,呂情深,周雷.  新疆大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[4]面向移動(dòng)端的輕量化卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[J]. 畢鵬程,羅健欣,陳衛(wèi)衛(wèi),鄧益儂,劉禎.  信息技術(shù)與網(wǎng)絡(luò)安全. 2019(09)
[5]基于輕量級(jí)CNN的植物病害識(shí)別方法及移動(dòng)端應(yīng)用[J]. 劉洋,馮全,王書志.  農(nóng)業(yè)工程學(xué)報(bào). 2019(17)
[6]一種移動(dòng)卷積神經(jīng)網(wǎng)絡(luò)的FPGA實(shí)現(xiàn)[J]. 李炳辰,黃魯.  微電子學(xué)與計(jì)算機(jī). 2019(09)
[7]基于多顏色和局部紋理的水果識(shí)別算法研究[J]. 陳雪鑫,卜慶凱.  青島大學(xué)學(xué)報(bào)(工程技術(shù)版). 2019(03)
[8]基于深度遷移學(xué)習(xí)的圖像分類研究[J]. 欒慶磊.  黃山學(xué)院學(xué)報(bào). 2019(03)
[9]基于深度學(xué)習(xí)和遷移學(xué)習(xí)的水果圖像分類[J]. 廉小親,成開元,安颯,吳葉蘭,關(guān)文洋.  測(cè)控技術(shù). 2019(06)
[10]基于MobileNet的移動(dòng)端城管案件目標(biāo)識(shí)別算法[J]. 楊輝華,張?zhí)煊?李靈巧,潘細(xì)朋.  計(jì)算機(jī)應(yīng)用. 2019(08)

博士論文
[1]面向圖像語(yǔ)義分割的新型卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[D]. Robail Yasrab.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像癌變識(shí)別研究[D]. 薛迪秀.中國(guó)科學(xué)技術(shù)大學(xué) 2017

碩士論文
[1]基于深度學(xué)習(xí)的五金件圖像檢索方法及其應(yīng)用研究[D]. 何智海.南昌大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的農(nóng)作物病害和雜草圖像識(shí)別研究[D]. 王敬賢.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[3]基于深度學(xué)習(xí)的圖像識(shí)別與文字推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王雨辰.北京交通大學(xué) 2017
[4]基于深度學(xué)習(xí)的圖像識(shí)別方法研究與應(yīng)用[D]. 文馗.華中師范大學(xué) 2017
[5]基于CNN的交通標(biāo)志識(shí)別方法研究[D]. 楊振杰.天津工業(yè)大學(xué) 2017
[6]基于深度學(xué)習(xí)的水果圖像識(shí)別算法研究[D]. 王前程.河北大學(xué) 2016
[7]基于稀疏表示和卷積神經(jīng)網(wǎng)絡(luò)的水果圖像分類與實(shí)現(xiàn)[D]. 呂偉.華南農(nóng)業(yè)大學(xué) 2016
[8]果蔬圖像的混合粒度分類研究[D]. 馮語(yǔ)姍.中國(guó)科學(xué)技術(shù)大學(xué) 2016
[9]基于CNN的工件缺陷檢測(cè)方法研究及系統(tǒng)設(shè)計(jì)[D]. 喬麗.華中師范大學(xué) 2016
[10]基于深度學(xué)習(xí)的圖像識(shí)別應(yīng)用研究[D]. 周凱龍.北京工業(yè)大學(xué) 2016



本文編號(hào)：2993498