基于深度學習的水果圖像識別算法研究

《基于深度學習的水果圖像識別算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、密級：學校代碼：10075分類號：學號：20141254工程碩士學位論文基于深度學習的水果圖像識別算法研究學位申請人：王前程指導教師：趙杰教授學位類別：工程碩士學科專業(yè)：電子與通信工程授予單位：河北大學答辯日期：二〇一六年六月ClassifiedIndex:CODE:10075U.D.C:NO:20141254ADissertationfortheDegreeofM.EngineeringTheAlgorithmResearchofFruitImageRecognitionBasedonDeepLearningCa

2、ndidate:WangQianchengSupervisor:Prof.ZhaoJieAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:Elec.&Comm.EngineeringUniversity:HebeiUniversityDateofOralExamination:June,2016學位論文獨創(chuàng)性聲明本人鄭重聲明：所呈交的學位論文，是本人在哥師指導下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加Ｗ標注和致謝的地方外，論文中不

3、包含其他人己經(jīng)發(fā)表或撰寫的研究成果，也不包含為獲得河北大學或其他教育機構(gòu)的學位或證書所使用過的材料一。與我同工作的同志對本研究所做的任何貢獻均己在論文中作了明確的說明并表示了致謝。王識攀墓＞／／作者簽名：／月／日日期：年學位論文使用授權(quán)聲明本人完全了解河北大學有關(guān)保留、使用學位論文的規(guī)定，即；學校有權(quán)保留并向國家有關(guān)部口或機構(gòu)送交論文的復印件和電子版，允許論文被查閱和借閱。學?？桑坠颊撐牡娜炕虿糠謨?nèi)容，可ｔＪ、采用影印、縮印或其他復制手段保存論文。本學位論文屬于１、保密

4、□，在月日解密后適用本授權(quán)聲明年。２、不保密囚。＂（請在Ｗ上相應(yīng)方格內(nèi)打Ｖ）保護知識產(chǎn)權(quán)聲明本人為申請河北大學學位所提交的題目為（ｆｉｉＸ纔黎ｑ羣諭ｆ？ｆ變）｜的學位論文，是我個人在導師（＾；＾）指導并與導師合作下取得的研究成果，研究工作及取得的研究成果是在河北大學所提供的研究經(jīng)費及導師的研究經(jīng)費資助下完成的。本人完全了解并嚴格遵守中華人民共和國為保護知識產(chǎn)權(quán)所制定的各項法律、行政法規(guī)Ｗ及河北大學的相關(guān)規(guī)定。本人聲明如下：本論文的成果歸河北大學所有，未經(jīng)征得指

5、導教師和河北大學的書面巧意和授權(quán)，本人保證不Ｗ任何形式公開和傳擺科研成果和科研工作內(nèi)容。如果違反本聲明，本人愿意承擔相應(yīng)法律責任。至聲明人；Ｉ綾日期：年＾月資＿＿日作者簽名：ｔｉｌｉｔ日期：＞／／年／月含＿日導師簽名：日期：年＾月Ｉ日摘要摘要圖像識別作為模式識別領(lǐng)域中的一種典型應(yīng)用，如何準確快速的進行圖像識別一直是各國學者研究的重要課題。水果圖像的識別在智慧農(nóng)業(yè)和數(shù)字醫(yī)療領(lǐng)域具有重要的地位。在智慧農(nóng)業(yè)方面，通過對水果的識別可以實現(xiàn)對復合型果園的果樹進行精準培育以及水果的自

6、動化采摘；在數(shù)字醫(yī)療領(lǐng)域，進行水果識別主要用來輔助后期水果營養(yǎng)成分的分析，從而幫助病患制定合理的膳食。而如何對水果進行快速準確識別是這些工作的關(guān)鍵，目前一般的水果圖像識別方法并不能滿足應(yīng)用的需求，所以需要尋找一種更加有效地算法進行水果圖像的識別。深度學習作為機器學習領(lǐng)域內(nèi)新興并且蓬勃發(fā)展的一門學科，它不僅改變著傳統(tǒng)的機器學習方法，也影響著我們對人類感知的理解，已經(jīng)在圖像識別和語音識別等領(lǐng)域取得廣泛的應(yīng)用。因此，本文在深入研究深度學習理論的基礎(chǔ)上，將深度學習應(yīng)用到水果圖像識別中，以此來提高了水果圖像的識別性能。本文主

7、要工作如下：1.簡要介紹了傳統(tǒng)的圖像識別方法及其存在的問題，概述了深度學習的研究現(xiàn)狀和發(fā)展趨勢，對比分析了深度學習相對于淺層學習的優(yōu)勢所在，詳細介紹了兩種常用的深度學習方法的訓練過程。2.對基于卷積神經(jīng)網(wǎng)絡(luò)的水果圖像識別算法進行了深入的研究?？紤]到不同激活函數(shù)和下采樣方式對識別性能有很大影響，通過實驗選取合適的激活函數(shù)和下采樣方法，并對這些激活函數(shù)和下采樣方法進行了討論分析。為了進一步提高網(wǎng)絡(luò)性能，通過拓展網(wǎng)絡(luò)深度進行水果圖像識別，實驗結(jié)果驗證了水果數(shù)據(jù)集在網(wǎng)絡(luò)深度增加時識別性能有一定的提高，最后將基于卷積神經(jīng)網(wǎng)絡(luò)

8、的水果圖像識別結(jié)果與傳統(tǒng)水果圖像識別方法的結(jié)果進行了對比分析，證明了該方法的有效性。3.針對卷積神經(jīng)網(wǎng)絡(luò)訓練時間過長的局限性，設(shè)計了基于深度信念網(wǎng)絡(luò)的水果圖像識別方法。為了解決深度信念網(wǎng)絡(luò)忽略圖像局部結(jié)構(gòu)，難以學習到圖像的局部特征的缺點，同時考慮到水果圖像受到光照變化的影響，本文采用Census變換與深度信念網(wǎng)絡(luò)相結(jié)合的方法進行水果圖像識別。首先，通過Cen