【基于图像特征的水果识别系统开题报告2300字】

PAGE开题报告课题名称基于图像特征的水果识别系统学院专业班级学生姓名学号指导教师单位/职称一、课题背景与意义随着21世纪科技的高速发展，人工智能来到了人们身边。在日常生活中随处可见便捷的智能化服务，比如：阿里巴巴集团的支付宝将消费者从现金和刷卡中解放了出来，使用一部智能手机就可以完成费用的支付。支付宝随后更是推出了刷脸支付，消费后只需要“刷脸”便可以完成支付，京东也推出了京东无人超市，首次进入店面的消费者需要通过手机扫描二维码绑定个人身份信息。当顾客再次光临该无人超市，只需进行“刷脸”这种面部识别的方法，就可以进入超市。京东无人超市采用RFID射频识别技术，实现商品的被动式统计。结账时，消费者只需拿着购买的物品走过结算通道，系统就可以自动进行扫描并且结算，完成结算后，消费者便可以直接出店。整个购物过程完全在“无感知”的情况下完成。同时，无人仓库和无人驾驶等智能化产业研究正蓬勃发展。人工智能研究领域衍生出很多分支学科，其中以计算机视觉和深度学习最惹人瞩目。计算机视觉模拟生物视觉系统，对图像进行识别，使计算机拥有“双眼”；深度学习模拟生物神经网络，对数据进行处理，使计算机拥有“大脑”。两者相辅相成，可以很好地完成对数据的分类和处理。其中，实现图像分类是计算机视觉的基础功能。传统机器学习中的特征提取算法（以LBP为例），LBP提取图像的纹理特征，将特征向量输入至分类器（如支持向量机），由分类器进行分类训练，从而实现图像识别。但其所使用特征，本质属于人为设定条件而提取到的特定特征，在面对数据集较小的识别任务表现优异，但综合泛化能力弱，有很大不足。并且上述特征提取算法对外界环境变化造成的影响尤为敏感，精度并不稳定。综上所述，我们需要提高水果图像识别的准确率和实用性，对水果图像识别进行更加深入的研究来克服其无法满足现代工业发展需求的弊端。与传统机器学习方法相比，基于python的深度学习改进了特征提取的方式，它的图像特征是通过网络结构自动提取到的，不需要人工控制，提取到的特征更加丰富和准确。因此，本文将基于python深度学习的方法对水果图像的识别进行研究和设计。选择符合预期的网络模型，开发适合商户日常交易使用的水果图像识别系统。为食用农产品批发市场的交易流程引进智能的处理方式，探索该市场科技化发展的更多可能。二、国内外研究现状国外开始研究水果图像自动识别始于70年代，随着图像识别技术的飞速发展，很快应用到了实际生产中。而且其发展已经相对成熟，不仅可以对水果根据外观进行等级划分，还可以通过无损的操作对水果类别进行高速、准确的识别。与国外相较，我国对于水果图像自动识别的研究起步较晚。我国现有的水果识别技术依赖人工，仍然处于半手工半机械阶段，具有低速、不可靠等缺点，与国际发展存在很大差距。从80年代开始，国内学者开始研究水果图像自动识别的算法，现有的水果图像自动识别系统的研究与设计主要依赖于PC平台。随着图像识别以及计算机视觉的广泛研究，近年来基于水果图像自动识别的研究也产生了很多成果。杜翔宇（2017）等人提取枸杞色泽、大小及形状等特征参数，使用K-means算法对特征进行聚类，结合最小距离分类器对枸杞进行等级的划分，特征参数详尽，能够准确快速地对不同色泽和大小的枸杞进行分类，缺点是耗时较长。王前程（2017）等利用基于HALCON平台的SBI分类器，提取水果图像的纹理和颜色特征，实现水果自动识别，识别率高达90%以上。颜申等（2020）等人利用6个二类SVM分类器，对几种常见的水果进行识别，识别率在90%左右。杨毅（2019）采用基于主成分的分析方法，对十几种水果图像进行预处理、训练和识别，对各种水果的平均识别率达到93%以上，得到了较好的识别效果。董腾（2017）等人提出了基于多颜色特征和纹理特征的水果识别算法，该算法识别率可达90%，远高于单一特征识别算法。卢勇威（2017）基于CNN完成了水果轮廓的提取及面积的计算，实现了苹果部分区域的缺陷检测以及苹果颜色的检测。蒋启君（2018）使用传统特征模型和卷积神经网络模型进行果蔬的分类研究，传统特征模型提取多尺度SIFT和CM作为底层特征，然后进行LSA编码和FV编码，最后使用线性分类器进行分类。卷积神经网络模型分别采用AlexNet、CaffeNet以及GoogLeNet三个网络模型中的分类结果，与传统特征模型进行对比，实现了果蔬的自动分类。三、研究内容及拟解决的关键问题本文的研究内容是以苹果、橘子、香蕉三种水果为研究对象，提出了基于python深度学习的水果图像识别算法，实现对不同种类水果的识别；识别出水果后，需要对水果图像进行分割，本文提出了基于BP神经网络及形态学处理的图像分割算法、基于色差与梯度特征的图像分割算法实现对水果图像果实与背景的自动分割；以得到水果的中心位置为目的。四、研究方法与进度安排研究方法文献研究法：通过查找相关的文献资料进行研究，对目前该课题学者们的研究成果进行总结，然后提炼出对于本课题有意义的研究成果，并进行借鉴参考。进度安排2021年1月确定论文题目2021年2月完成论文开题2021年3月完成论文初稿2021年4月完成论文修改2021年5月完成论文定稿2021年6月完成论文答辩。五、主要参考文献（其中外文文献不少于1篇）[1]SrivastavaS.AFruitRecognitionSystembasedonModernDeepLearningTechnique[J].InternationalJournalofEngineeringandTechnicalResearch,2020,V9(7).[2]杜翔宇.基于特征参数的水果识别系统[J].福建质量管理,2017,000(006):252.[3]王前程.基于深度学习的水果图像识别算法研究[D].河北大学,2017.[4]颜申,宋文浩,陈光,等.基于视觉的橘类水果识别系统设计[J].佳木斯大学学报(自然科学版),2020,038(001):41-44.[5]杨毅.基于深度学习的水果识别研究[J].信息与电脑(理论版),2019(21).[6]董腾,秦腾飞,张如如,等.基于机器视觉的水果分拣系统[J].聊城大学学报(自然科学版),2017