学 士 学 位 论 文
基于深度学习的红枣识别算法的设计与实
现
学院名称:
专业班级:
学生姓名:
学 号:
指导教师:
完成日期: 年 月 日
摘 要
红枣是人们日常生活中常用的滋补类药用食品,且具备了多种食用方式和药用价
值,然而新鲜的红枣在采摘及运输过程中极易出现破损,同时还难免会遭受虫害和裂
口的风险,如果在初加工阶段不进行有效的筛选则会影响大面积的红枣质量。目前我
国在红枣的筛选上多通过人工筛选来实现,利用机器的筛选也只能对红枣的大小进行
筛选无法判断红枣的质量情况,在红枣的筛选过程中存在人工效率低、劳动强度大且
人工成本高的弊端,为了提升红枣的品质以及满足当前市场对于优质红枣的需求,通
过红枣外观图像识别来实现自动高效的红枣品质分类可以帮助提升红枣筛选的效率。
本文通过对于红枣类别及外观形态的内容介绍,结合红枣筛选的标准,通过图像
识别捕捉红枣的图像信息,同时结合卷积神经网络的应用来提取红枣图像的特征,通
过红枣边缘及文理信息的提取来实现有效的红枣分类识别,结合红枣图像数据集的内
容生成对应的训练模型并完成红枣识别的分类。为了确保分类信息的准确性,通过测
试集对红枣的样本数据进行测试,结合测试结果进一步论证识别算法的准确性。
关键词:卷积神经网络;深度学习;图像识别;红枣分类
3
Abstract
Red dates are commonly used in people's daily life of tonic medicinal food, and have a
variety of eating methods and medicinal value, but fresh red dates in the process of picking
and transportation is very easy to break, but also inevitably will suffer the risk of pests and
cracks, if the initial processing stage is not effectively screened will affect the quality of
large areas of red dates. At present, China in the screening of red dates through manual
screening to achieve, the use of machine screening can only screen the size of red dates can
not judge the quality of red dates, in the screening process of red dates there are low labor
efficiency, labor intensity and high labor cost drawbacks, in order to improve the quality of
red dates and meet the current market demand for high-quality red dates, through the
appearance image recognition of red dates to achieve automatic and efficient red jujube
quality classification can help improve the efficiency of red jujube screening.
In this paper, through the introduction of the categories and appearance forms of red
dates, combined with the criteria of red jujube screening, the image information of red
jujube is captured through image recognition, and the characteristics of red jujube images
are extracted by the application of convolutional neural networks, and effective red jujube
classification recognition is realized through the extraction of red jujube edges and literary
information, and the corresponding training model is generated and the classification of red
jujube recognition is completed by combining the content of the red jujube image dataset.
In order to ensure the accuracy of the classification information, the sample data of red
jujube were tested through the test set, and the accuracy of the recognition algorithm was
further demonstrated based on the test results.
Keywords: convolutional neural networks; deep learning; image recognition;
Classification of red dates
目 录
摘 要............................................................................................................................2
Abstract..........................................................................................................................3
第一章 绪论..................................................................................................................1
1.1 研究背景和意义.............................................................................................1
1.2 国内外研究现状..............................................................................................1
1.3 研究内容和目标..............................................................................................2
1.4 研究方法和技术路线......................................................................................2
1.5 论文结构安排..................................................................................................2
第二章 红枣识别技术研究..........................................................................................4
2.1 红枣的特征和分类.........................................................................................4
2.2 红枣识别的基本流程.....................................................................................4
2.3 红枣识别的关键技术.....................................................................................5
2.4 常用的红枣识别算法.....................................................................................5
第三章 深度学习技术研究..........................................................................................6
3.1 深度学习的基本原理......................................................................................6
3.2 深度学习的关键技术......................................................................................6
3.3 常用的深度学习算法......................................................................................6
第四章 基于深度学习的红枣识别算法设计与实现 ..................................................7
4.1 数据集的构建和预处理..................................................................................7
4.2 神经网络模型的设计......................................................................................7
4.3 神经网络模型的训练和优化..........................................................................7
4.4 算法实现和性能评估......................................................................................7
第五章 实验结果与分析..............................................................................................8
5.1 实验环境和数据集.........................................................................................8
5.2 实验结果分析.................................................................................................8
5.3 实验结果的优缺点分析..................................................................................8
第六章. 总结与展望.....................................................................................................9
6.1 研究成果总结..................................................................................................9
6.2 研究不足和改进方向......................................................................................9
6.3 未来发展趋势..................................................................................................9
致 谢 ...........................................................................................................................10
参考文献......................................................................................................................11
1
第一章 绪论
1.1 研究背景和意义
红枣因含有丰富的营养成分以及微量元素,不仅可以增强免疫力,同时也是滋补和
养生的重要药用食品,同时红枣原料和半加工产品也被广泛的应用到面包烘焙以及休闲
食品中。我国作为红枣的主要生产国家,在加入世界贸易组织后对于红枣的需求也在逐
年递增,同时为满足日益提升的红枣需求红枣的产量也在近 20 年间增加了 10 倍,种植
红枣的省份也在不断增加,新疆具备了得天独厚的红枣种植优势,昼夜温差大以及日照
时间长都为红枣的生长创造了条件,相比其他省份新疆的红枣种植在品质和产量上都引
领全国。然而新疆因地理位置相对偏远,在红枣的运输过程中需要耗费大量的时间,如
红枣发生了虫害或者破损,则会形成大面积的较差感染。
为了避免红枣在运输途中的损耗,需要通过红枣筛选来严格把控红枣的品质,针对
不同类型的红枣进行归纳分类同时按照红枣的质量等级进行优选来区分售卖价格。然而
目前我国对于红枣的分类主要借助人工分拣来实现,人工工作量大且人工成本高,筛选
过程的分类准确率及卫生质量都很难满足。近年来随着视觉技术的广泛应用,用计算机
视觉技术代替人眼识别的方式可以提升重复性工作的效率,节约成本的同时更能够确保
红枣筛选的效率以及卫生质量。有效利用视觉机器采集系统可以通过代替人员的图像采
集,结合图像算法对红枣进行分类识别和检测,通过自动化的筛选结合机械化的机器运
作来实现红枣品质登记的分类,降低了红枣筛选的开发成本,也提升了类别分拣的精准
度。
1.2 国内外研究现状
(1)国外研究现状
国外早在上世纪 70 年就有效利用机器视觉技术实现了农产品的等级分类,同时结
合自动分级生产线的方式实现大批量的应用,美国的 autoline 公司以及新西兰的 compact
公司都向后针对苹果及柑橘等流通性较强的水平实现了产业化的自动分级,相比之下国
外对于红枣的识别应用局限性较大,日本利用高光谱成像的方式对红枣的品质进行了研
究,通过红枣表面的高光谱图像的采集来分析图像的特征,结合特征波长的选取利用图
像融合技术来实现红枣类别及缺陷的筛选。目前国外在水果外观品质的研究应用上采用
的识别技术相对广泛,主要包括了高光谱成像技术、机器学习算法以及图像处理算法,
在应用研究过程中主要针对流通性较强的水果,例如苹果、梨以及橙子等,因红枣的主
要生产国在我国,因此相比之下国外对于红枣识别算法的研究及应用较少,但是对于水
果品质的分类及识别国外目前还处于领先的地位,在分类机器以及识别算法的应用上更
加的精准且具备较强的可行性,将计算机图像识别技术有效的和自动分级生产线融合,
从而实现里全自动的农产品分级。