基于图像识别的柑橘分类软件的设计与实现

近年来,我国柑橘产业迅猛发展,柑橘的分拣需要从传统的人工分拣进入智能分拣阶段。该系统通过使用百度Easy DL开放平台中图像识别模型进行柑橘的大小分类,完成训练后发布到公有云,开发一个Android APP调用云接口实现拍照识别爱媛、青枧两种柑橘的分类。该系统的核心是柑橘识别模型的机器训练,通过采集柑橘照片、进行分类标注,将数据提交到模型进行机器学习,根据训练结果增加训练数据再次训练。经过多次迭代,最终达到目标识别精度。

基于残差网络与迁移学习的柑橘类型识别模型研究

传统的柑橘分类依靠人工辨识再手动完成分拣,整个过程耗时长且成本高昂。对此,本文提出了一种基于残差网络与迁移学习的柑橘类型识别模型。对20738张共8类柑橘的图像按7∶3的比例划分训练集和测试集得到数据集,在此数据集上对不同模型的柑橘分类性能以及迁移学习对经典卷积模型在图像分类任务中的性能提升效果进行了探究,试验以损失值、精准率、召回率等作为性能评价指标。结果表明:在多种模型中,ResNet34准确率更高;使用迁移学习能显著提高柑橘分类的准确度,实现对8类柑橘的准确识别分类,最终分类准确率达到99.97%。该识别模型对柑橘分类具有指导意义。