基于卷積神經(jīng)網(wǎng)絡(luò)的智能冰箱果蔬圖像識別的研究*

曾維亮，林志賢，陳永灑

(1.福州大學(xué) 物理與信息工程學(xué)院，福建 福州 350116；2.TCL集團(tuán)工業(yè)研究院，廣東 深圳 518055)

基于卷積神經(jīng)網(wǎng)絡(luò)的智能冰箱果蔬圖像識別的研究*

曾維亮1，林志賢1，陳永灑2

(1.福州大學(xué) 物理與信息工程學(xué)院，福建 福州 350116；2.TCL集團(tuán)工業(yè)研究院，廣東 深圳 518055)

智能冰箱物體識別主要涉及對水果和蔬菜的識別，冰箱中果蔬數(shù)量繁多，光照不均，環(huán)境復(fù)雜，對此提出了一種用于處理該類識別問題的卷積神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)采用ReLU作為激活函數(shù)，它比傳統(tǒng)的Sigmoid函數(shù)具有更強(qiáng)的稀疏能力和更大的梯度值，能夠極大地加速網(wǎng)絡(luò)收斂。隱含層中引入隨機(jī)Dropout，使得某些節(jié)點(diǎn)不工作，減少節(jié)點(diǎn)間的“共同適應(yīng)”，降低網(wǎng)絡(luò)對某一局部特征的過擬合，可減少網(wǎng)絡(luò)計(jì)算復(fù)雜度并有效提升識別率。網(wǎng)絡(luò)采用帶動量項(xiàng)的基于梯度下降的反向傳播算法，避免網(wǎng)絡(luò)陷入局部極小值，提高識別率。最后通過用Supermarket Produce Dataset數(shù)據(jù)集模擬冰箱果蔬圖像進(jìn)行實(shí)驗(yàn)，驗(yàn)證了本文方法的有效性。

卷積神經(jīng)網(wǎng)絡(luò)；果蔬識別； Dropout；梯度下降

0 引言

智能冰箱的果蔬識別可收集用戶果蔬產(chǎn)品的消耗情況，利用該數(shù)據(jù)分析出用戶喜好，商家可通過終端APP適時(shí)向用戶做出果蔬產(chǎn)品推薦，或提醒用戶盡快食用即將過期的食品。目前智能冰箱的物體識別方法主要有：用戶手動輸入或語音輸入食物種類、無線射頻識別掃描[1]、條形碼或二維碼掃描[2]等技術(shù)。針對果蔬圖像識別，BOLLE R M等人[3]等通過提取圖像的顏色、紋理統(tǒng)計(jì)特征，首次實(shí)現(xiàn)了隨意擺放農(nóng)產(chǎn)品的識別與分類。……