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).pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、水果的分類技術(shù)一直是國內(nèi)外農(nóng)業(yè)信息化領(lǐng)域的研究熱點(diǎn)問題,近年取得了突飛猛進(jìn)的發(fā)展。但在獲取的水果圖像規(guī)模大、數(shù)據(jù)特征復(fù)雜、局部遮擋、光照變化及場景復(fù)雜情況下,水果識別率顯著下降。因此,水果識別技術(shù)應(yīng)用到實(shí)際農(nóng)業(yè)中仍然面臨著諸多的問題和挑戰(zhàn)。
  針對大規(guī)模水果種類識別中存在特征冗余大、手工特征設(shè)計(jì)具有主觀性的問題,從水果特征表達(dá)和特征自動學(xué)習(xí)兩個(gè)方面進(jìn)行研究:在特征表達(dá)方面,研究了RGB水果圖像的稀疏編碼方法和RGB水果圖像的局部

2、約束線性編碼方法;在特征自動學(xué)習(xí)方面,研究了RGB圖像特征方法。本文的主要工作如下:
  (1)提出基于稀疏編碼的空間金字塔匹配模型(Sparse Coding Spatial Pyramid Matching,ScSPM)的水果分類方法。首先采用SIFT特征對RGB-D水果圖像進(jìn)行局部特征點(diǎn)提取,克服不同光照及尺度變換影響;然后采用稀疏編碼和空間金字塔進(jìn)行特征表達(dá);最后采用線性SVM分類器實(shí)現(xiàn)水果種類識別。實(shí)驗(yàn)結(jié)果表明,融合SI

3、FT特征和ScSPM特征表達(dá)后,水果分類準(zhǔn)確率達(dá)98.90%,比顏色直方圖特征提取方法的準(zhǔn)確率高8.02%。
  (2)提出基于局部約束線性編碼的空間金字塔匹配模型(Locality-constrained Linear Coding,LLC)水果分類方法。由于稀疏編碼的空間金字塔匹配模型在圖像的編碼速度上比較慢,采用局部約束線性編碼用于空間金字塔匹配模型中以提高水果RGB圖像編碼速度。LLC同時(shí)考慮特征的稀疏性與局部性,水果種類

4、分類正確率達(dá)99.25%。
 ?。?)提出基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)的水果分類方法。該方法采用了深度學(xué)習(xí)框架--Caffe平臺,運(yùn)用CNN對圖像進(jìn)行本質(zhì)特征進(jìn)行自動學(xué)習(xí),水果種類分類正確率達(dá)99.53%,克服了手工特征設(shè)計(jì)依賴于經(jīng)驗(yàn)的問題,提高了水果分類方法的準(zhǔn)確性。
 ?。?)基于上述研究,進(jìn)行了水果分類系統(tǒng)的開發(fā)與實(shí)現(xiàn)。利用傳感攝像機(jī)在光照變化、360度角度變換

5、以及局部遮擋環(huán)境下,采集了蘋果、百香果、火龍果和橘子等14類39種不同類型水果圖像96815幅,建立大規(guī)模水果RGB圖像數(shù)據(jù)庫。設(shè)計(jì)了水果分類系統(tǒng),使用Matlab圖形圖像處理工具開發(fā)了系統(tǒng)界面,對本論文水果分類算法進(jìn)行編程實(shí)現(xiàn),并對論文的三種RGB水果分類算法加以比較分析。
  在水果分類的實(shí)驗(yàn)中,本文三種算法中均得到了較高的準(zhǔn)確率,其中基于CNN方法的準(zhǔn)確率最高,LLC算法次之,SCSPM算法最低;在時(shí)間性能上,ScSPM算法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論