基于卷積神經(jīng)網(wǎng)絡的蔬菜識別及應用研究.pdf

1、近年來，隨著科技的進步，越來越多的產(chǎn)品實現(xiàn)了智能化并在生活的各個方面取得了不錯的效果。然而，在農(nóng)貿(mào)市場、菜市場等農(nóng)產(chǎn)品交易場所智能化還未能成功的實現(xiàn)，期盼著科技帶來更加便捷的交易方式。例如，只需簡單地將蔬菜放到電子秤上，無需售貨人員的手動操作，智能電子秤就能實現(xiàn)蔬菜的種類識別、稱重與價格計算等功能，方便快捷地進行農(nóng)產(chǎn)品交易。在實際的農(nóng)貿(mào)市場環(huán)境中應用智能電子秤的關鍵是能否對蔬菜進行準確的識別。本文應用了計算機視覺的方法對蔬菜進行智能自動

2、識別分類，這為菜市場的智能化提供了基礎，具有很好的研究價值與意義。
　　本文針對蔬菜識別開展了兩方面研究:面向蔬菜識別的深層卷積神經(jīng)網(wǎng)絡模型設計和面向嵌入式的蔬菜網(wǎng)絡模型壓縮。傳統(tǒng)的蔬菜識別算法的研究，主要遵循如下框架的步驟:1）提取蔬菜的特征:如顏色特征、紋理特征、形狀特征、密度特征;2）特征的分類:通過融合以上特征送入到SVM[41]分類器或者最小小近鄰分類器分類。由于有些蔬菜的顏色、形狀很相近，加之菜市場的光線、背景等環(huán)境相

3、對復雜，蔬菜識別是一項巨大的挑戰(zhàn)。所以本文采用的是目前比較熱門的深度學習識別算法。
　　經(jīng)過對相關知識研究以及大量的實驗，證明了深層卷積神經(jīng)網(wǎng)絡具有很強的魯棒性、更廣的泛化性、很好的精確性。本文通過研究蔬菜識別技術，并做了大量的實驗，取得了不錯的結果。本文主要工作如下:
　　1)蔬菜數(shù)據(jù)的制作和處理:由于蔬菜數(shù)據(jù)在國內(nèi)外沒有公開的數(shù)據(jù)集，所以本實驗中的蔬菜數(shù)據(jù)是自己采集的，其主要來源是電子秤攝像頭采集和網(wǎng)絡圖像的收集。由于菜

4、市場的復雜環(huán)境本文對蔬菜數(shù)據(jù)也做了相應的處理來提高識別的準確性。在此，本實驗主要鑒別100種常見蔬菜，每種蔬菜圖像在3000張左右。
　　2)設計一個面向蔬菜識別的深度卷積網(wǎng)絡結構:本文通過大量的實驗，設計了一個面向蔬菜識別的深度卷積網(wǎng)絡結構，此網(wǎng)絡結構主要使用了全卷積方法，本文使用3*3卷積核去替代大的卷積核（如7*7、5*5等），在相同感受野的情況下，可以一定程度的提高準確性。
　　3)設計了一個面向嵌入式的網(wǎng)絡壓縮的網(wǎng)

5、絡結構:主要是在面向蔬菜識別的深度卷積網(wǎng)絡結構的基礎上進行壓縮。本文主要采用了三種壓縮方法:減少輸入輸出特征圖的通道數(shù)以減少計算量;減少池化層(Pooling)以提高計算速度;用深度分離卷積替代3*3卷積、用1*1卷積替代標準的3*3卷積可以達到模型壓縮的目的。
　　4)蔬菜識別算法移植到嵌入式系統(tǒng):通過查閱相關資料，找到一款合適的嵌入式開發(fā)板Firefly-RK3399，并成功移植了蔬菜識別算法。通過實驗驗證，系統(tǒng)可以在開發(fā)板上