基于微調(diào)優(yōu)化的深度學(xué)習(xí)在果蔬識(shí)別中的應(yīng)用

來 曉

（浙江農(nóng)林大學(xué) 信息工程學(xué)院，杭州311300）

0 引 言

果蔬農(nóng)產(chǎn)品種類繁多，對(duì)其進(jìn)行自動(dòng)分類識(shí)別在商品交易智能化以及無人零售推廣方面具有重要意義。近年來物聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，貿(mào)易發(fā)展的主要方向趨于商品交易智能化［1］。在新冠病毒疫情影響下，以智能取餐柜為代表的無人零售業(yè)率先興起，國家鼓勵(lì)全面推行“無接觸”服務(wù)，無人零售迎來了新的機(jī)會(huì)，因此亟需設(shè)計(jì)表征效果更好的果蔬智能分類器，提高果蔬識(shí)別的準(zhǔn)確率。

近年來，基于深度學(xué)習(xí)的計(jì)算機(jī)視覺研究取得了重大的進(jìn)展。識(shí)別任務(wù)的成功與否很大程度上取決于能否獲得大量的訓(xùn)練樣本，標(biāo)記訓(xùn)練樣本是一個(gè)昂貴的過程。針對(duì)果蔬識(shí)別研究，目前大多處于構(gòu)建數(shù)據(jù)集、優(yōu)化分類模型階段［2］。隨著深度學(xué)習(xí)的不斷發(fā)展與完善，深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network，CNN）廣泛應(yīng)用于各個(gè)領(lǐng)域，尤其是在圖像識(shí)別、自然語言處理中取得了巨大的成果。深度神經(jīng)網(wǎng)絡(luò)相比傳統(tǒng)機(jī)器學(xué)習(xí)方法減少了人工干預(yù)過程，擁有自主學(xué)習(xí)特征和表達(dá)能力。AlexNet、VggNet16、Inception V3等經(jīng)典的深度卷積神經(jīng)網(wǎng)絡(luò)，通過數(shù)據(jù)增強(qiáng)、Dropout方法防止過擬合，使模型適應(yīng)性更強(qiáng)。

本文基于遷移學(xué)習(xí)方法對(duì)深度學(xué)習(xí)模型進(jìn)行改進(jìn)，使用全局池化技術(shù)解決全連接問題，在自主構(gòu)建的F＆V果蔬數(shù)據(jù)集上進(jìn)行遷移學(xué)習(xí)，用較少的計(jì)算資源提高模型識(shí)別率。針對(duì)融合兩個(gè)庫出現(xiàn)的數(shù)據(jù)不平衡問題，利用模型融合的方法合并果蔬數(shù)據(jù)集。采用特定……