基于神经网络的水果识别技术研究

摘要

传统的水果种类识别依赖于工人的经验和判断，存在效率、准确率低下等问题，亟待寻求一种更有效的检测水果种类的方法。文章基于SqueezeNet卷积神经网络，提出一种自动识别水果类别的方法。该方法借助预训练的SqueezeNet网络，通过模型微调和参数迁移，构造了特殊的水果图像分类流程。此外，文章还搭建了一个基于自定义卷积神经网络（CNN）的水果识别模型作为对比模型，自定义模型采用多层卷积和批量归一化层，并通过最大池化和dropout层设计，以提高模型的学习能力和防止过拟合。实验结果表明，自定义模型的平均水果识别准确率为80%，而SqueezeNet模型的平均水果识别率为96%，远高于自定义模型。

关键词

水果识别 / 图像处理 / 卷积神经网络 / 迁移学习