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

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