基于多尺度特征融合的水果图像识别算法研究

摘要：

水果图像识别是智能采摘系统中最重要的组成部分.针对现阶段水果图像识别过程中存在的漏检和误检现象,为进一步提高识别准确率,研究了基于多尺度特征融合的水果图像识别算法.首先,为避免训练过程中出现欠拟合现象,对Fruits-360中的水果图像进行数据扩充,并进一步灰度归一化处理以减少计算量.随后采用ResNet-50作为骨干网络,并在骨干网络的基础上建立多尺度采样层,使用1×1、3×3和5×5的卷积核在拓宽网络宽度的同时进行特征提取,多尺度网络层整体增加BN层,即在每个卷积层之后都增加BN层.使在ResNet-50提取的原始特征基础上获取语义信息更加丰富的特征图.最后采用梯度下降法优化网络,得到最终的识别模型.实验结果表明,所提算法识别精度高,可准确的对水果图像经识别,识别精度高达99.4％,在相同数据集的情况下,优于目前主流算法,可为水果自动采摘技术提供帮助.

关键词：深度学习、多尺度特征、卷积神经网络、特征融合

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60977011;20180623039TC;20180201091GX

在线出版日期：2021-01-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：87-94