傳統(tǒng)圖像識別原理

傳統(tǒng)的水果圖像識別系統(tǒng)的一般過程如下圖所示，主要工作集中在圖像預處理和特征提取階段

在大多數(shù)的識別任務中， 實驗所用圖像往往是在嚴格限定的環(huán)境中采集的， 消除了外界環(huán)境對圖像的影響。但是實際環(huán)境中圖像易受到光照變化、 水果反光、 遮擋等因素的影響， 這在不同程度上影響著水果圖像的識別準確率。

在傳統(tǒng)的水果圖像識別系統(tǒng)中， 通常是對水果的紋理、 顏色、 形狀等特征進行提取和識別。

深度學習水果識別

CNN 是一種專門為識別二維特征而設計的多層神經(jīng)網(wǎng)絡， 它的結構如下圖所示，這種結構對平移、 縮放、 旋轉(zhuǎn)等變形具有高度的不變性。

數(shù)據(jù)集

數(shù)據(jù)庫分為訓練集(train)和測試集(test)兩部分

訓練集包含四類apple,orange,banana,mixed(多種水果混合)四類237張圖片；測試集包含每類圖片各兩張。圖片集如下圖所示。

圖片類別可由圖片名稱中提取。

處理訓練集的數(shù)據(jù)結構

模型網(wǎng)絡結構

訓練模型

順便輸出訓練曲線

識別效果