隨著食品安全追溯、無人超市、自主購物的興起,蔬菜等農(nóng)產(chǎn)品在流通和銷售等環(huán)節(jié)的自動識別技術(shù)已成為急需解決的問題。在圖像識別技術(shù)的研究過程中,蔬菜圖像識別技術(shù)的研究主要經(jīng)歷了基于傳統(tǒng)圖像處理與深度學(xué)習(xí)技術(shù)的兩個階段,基于傳統(tǒng)圖像處理的蔬菜識別方法依靠人為定義蔬菜特征,如顏色特征、紋理特征、形狀特征等,存在對蔬菜不同流通環(huán)節(jié)的圖像采集與處理過程復(fù)雜、識別算法及平臺要求高,蔬菜識別和分級率低,功能擴(kuò)展困難等缺點;基于深度學(xué)習(xí)的蔬菜識別技術(shù)多采用卷積神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法,該技術(shù)可以提取高維抽象的圖像特征,大大提高了蔬菜識別的準(zhǔn)確度和魯棒性,因此本文基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型對蔬菜識別技術(shù)進(jìn)行相關(guān)研究并進(jìn)行以下工作。（1）構(gòu)建基于色彩及紋理特征的蔬菜數(shù)據(jù)集。首先以國家蔬菜分類標(biāo)準(zhǔn)為基本分類依據(jù),在本文的研究背景下,構(gòu)建基于色彩與紋理特征蔬菜數(shù)據(jù)集;然后根據(jù)圖像建立過程中圖像預(yù)處理的基本步驟,對圖像進(jìn)行視覺質(zhì)量優(yōu)化與圖像樣本數(shù)量擴(kuò)增,最后為方便圖像識別過程中的讀取與加載,對圖像的標(biāo)簽進(jìn)行設(shè)計,主要考慮包裝、蔬菜新鮮程度等因素。（2）基于卷積神經(jīng)網(wǎng)絡(luò)的蔬菜識別研究。首先介紹卷積神經(jīng)網(wǎng)絡(luò)各層的工作原理... 

【文章來源】：福建工程學(xué)院福建省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

蔬菜圖像數(shù)據(jù)集的統(tǒng)一命名格式

福建工程學(xué)院碩士學(xué)位論文12圖2-4ImageNet圖像中的(a)豌豆(b)土豆(c)生菜(d)胡蘿卜2)現(xiàn)場采集圖像采集的目的是為了獲取符合后續(xù)圖像分析高質(zhì)量圖像樣本。不同的圖像采集設(shè)備適用于不同的圖像識別任務(wù)，CCD圖像采集設(shè)備易受光照影響且成本較高因此不宜采用。數(shù)碼相機(jī)和手機(jī)攝像頭圖像分辨率較高、操作方便而備受青睞，因此本文采用分辨率為1920*1080的數(shù)碼相機(jī)，具體的參數(shù)如表一所示，拍攝不同個數(shù)、不同環(huán)境（光照、包裝等）、不同新鮮程度的蔬菜。表2-2相機(jī)的主要規(guī)格和具體參數(shù)產(chǎn)品類型數(shù)碼相機(jī)傳感器類型CMOS傳感器圖像分辨率(18M)4608*3456,(2MHD)視頻分辨率1280*720HD,640*480VGA,320*240QVGA曝光EV-3---EV+3對焦方式8倍數(shù)碼變焦白平衡自動、日光、陰天、鎢絲燈場景自動、液晶圖像、夜景、人像、風(fēng)景、海灘ISO自動、100、200、400自拍2、5或10秒延遲外置存儲SD存儲卡文件格式JPEG格式（靜止圖像）/AVI格式2.4.2圖像樣本的預(yù)處理過程圖像采集是為了得到圖像樣本，識別算法的設(shè)計及其識別精度與圖像樣本的質(zhì)量相關(guān)性很大，因此在圖像識別過程中，需要首先對圖像進(jìn)行預(yù)處理，過濾圖像中的無用信息，增強(qiáng)有用信息的可識別性，進(jìn)行圖像預(yù)處理是圖像分析的前提，其中圖像分析主要包括特征提娶圖像分割等，通過對大量文獻(xiàn)閱讀總結(jié)圖像預(yù)處理的一般流程如圖2-3所示：主要為灰度化、幾何變換、圖像增強(qiáng)等，由于本文建立的蔬菜圖像是彩色的因此不用灰度化。

基于深度學(xué)習(xí)的蔬菜識別研究15表2-3蔬菜數(shù)據(jù)集各類蔬菜總量蔬菜類別根菜類白菜類綠葉蔬菜蔥蒜類茄果類瓜果類鮮豆類薯芋類芽苗菜類海底蔬菜水生蔬菜食用菌類數(shù)量1218230913151675100714157671190471116012252275數(shù)據(jù)集對比：ImageNet數(shù)據(jù)集含有1400萬張圖片，細(xì)分有2萬多個類別，其中蔬菜類別有：西藍(lán)花、花椰菜、結(jié)球甘藍(lán)、綠皮密生西葫蘆、南瓜、小青南瓜、黃瓜、蘑菇、朝鮮薊、刺荊棘等，如圖2-9左所示，蔬菜種類、場景太過復(fù)雜且不具有代表性，部分類別蔬菜圖像數(shù)目較少，少數(shù)類別的圖像數(shù)目為0，VEG-54數(shù)據(jù)庫中每類圖像的圖片分布較為均勻，且最小數(shù)目為120張，蔬菜種類盡可能包含了用于購買的蔬菜類別。表2-4ImageNet、VEG-54蔬菜數(shù)據(jù)規(guī)模對比表圖2-9IMAGENET蔬菜數(shù)據(jù)集與VEG-54數(shù)據(jù)集圖像對比2.5本章小結(jié)本章主要講述了如何構(gòu)建融合蔬菜及紋理特征的蔬菜圖像數(shù)據(jù)集，以蔬菜流通與智慧銷售為背景，涉及圖像采集、圖像類別劃分、圖像命名等重要環(huán)節(jié)。圖像采集環(huán)節(jié)主要涉及采集設(shè)備即相機(jī)、光源、鏡頭等的選�。粓D像類別的劃分中國蔬菜分類標(biāo)準(zhǔn)，蔬菜色彩與紋理特征，對蔬菜進(jìn)行層次類別劃分。蔬菜圖像數(shù)據(jù)集的命名主要考慮類別標(biāo)簽號、數(shù)據(jù)類型、新鮮程度、圖片序列號等，方便圖像的讀齲項目類別數(shù)子類別數(shù)均值最小值最大值<200ImageNet蔬菜251757643150027VEG-54蔬菜12542001204001


本文編號：3094787