基于卷积神经网络的智能冰箱果蔬图像识别的研究.pdf

《基于卷积神经网络的智能冰箱果蔬图像识别的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人工智能ArtificialIntelligence*基于卷积神经网络的智能冰箱果蔬图像识别的研究112曾维亮，林志贤，陈永洒(1．福州大学物理与信息工程学院，福建福州350116;2．TCL集团工业研究院，广东深圳518055)摘要:智能冰箱物体识别主要涉及对水果和蔬菜的识别，冰箱中果蔬数量繁多，光照不均，环境复杂，对此提出了一种用于处理该类识别问题的卷积神经网络。网络采用ＲeLU作为激活函数，它比传统的Sigmoid函数具有更强的稀疏能力和更大的梯度值，能够极大地加速网络收敛。隐含层中引入随机Dropout，使得某些节点不工作，减少节点间的“

2、共同适应”，降低网络对某一局部特征的过拟合，可减少网络计算复杂度并有效提升识别率。网络采用带动量项的基于梯度下降的反向传播算法，避免网络陷入局部极小值，提高识别率。最后通过用SupermarketProduceDataset数据集模拟冰箱果蔬图像进行实验，验证了本文方法的有效性。关键词:卷积神经网络;果蔬识别;Dropout;梯度下降中图分类号:TP391．4文献标识码:ADOI:10．19358/j．issn．1674-7720．2017．08．018引用格式:曾维亮，林志贤，陈永洒．基于卷积神经网络的智能冰箱果蔬图像识别的研究［J］．微型机与

3、应用，2017，36(8):56-59．Fruitsandvegetablesimagerecognitioninintelligentrefrigeratorbasedonconvolutionalneuralnetwork112ZengWeiliang，LinZhixian，ChenYongsa(1．CollegeofPhysics＆InformationEngineering，FuzhouUniversity，Fuzhou350116，China;2．TCLGroupIndustryＲesearchInstitute，Shenzhen518

4、055，China)Abstract:Objectrecognitioninintelligentrefrigeratormainlyinvolvesfruitsandvegetables．Largestockoffruitsandvegetablesandunevenil-luminationmakeacomplexenvironmentinfridge．Thispaperpresentsamodelofconvolutionalneuralnetwork(CNN)tosolvesuchproblems．ThemodelusesＲeLUasac

5、tivationfunctionwhichisstrongerthanSigmoidwithsparseabilityandhaslargergradientvalue，anditcangreatlyacceleratenetworkconvergence．ＲandomDropoutisappliedtothehiddenlayerstomakesomehiddenunitsnotwork，whichcanreducethephe-nomenonof‘co-adaptation’betweenthem．Besides，itcanalsoreduc

6、ethepossibilityofoverfittingtoalocalfeature，whichisabletosimplifythealgorithmcomplexityandimproverecognitionrate．ThepaperusesBPalgorithmbasedongradientdescentwithamomentumfactorwhichcouldavoidthenetworkfallingintoalocalminimumvalueandenhancerecognitionrate．Finally，thesupermar

7、ketproducedatasetisusedtosimulatefruitsandvegetablesinfridgetoidentifytheeffectivenessofproposedmethods．Keywords:convolutionalneuralnetwork;fruitsandvegetablesrecognition;Dropout;gradientdescent0引言Vector，CCV)、内外点颜色直方图(Border/Interiorpixel智能冰箱的果蔬识别可收集用户果蔬产品的消耗情Classfication，BI

8、C)等纹理、颜色特征，采用K-means与自底况，利用该数据分析出用户喜好，商家可通过终端APP适向上聚类(Bottom-upClust