【技术实现步骤摘要】
基于ResNet
‑
SVM算法的蔬菜识别方法
[0001]本专利技术涉及蔬菜图像识别领域，尤其是基于ResNet
‑
SVM算法的蔬自动识别方法。
技术背景
[0002]随着大数据经济的发展，食品安全变得越来越重要，也日益成为人们关注的热点话题。蔬菜的运输是在与时间赛跑，如何最大限度的节省中间环节的时间，一直是蔬菜行业存在的问题。蔬菜运输公司长期面临，蔬菜分类、登记、报备等一系列过程。传统蔬菜识别、登记、报备等过程，大量依赖人工劳动力，尤其在一些蔬菜种植大省，每天的此类过程常常需要等待几个小时或者更长的等待时间。并且工人难以连续长时间工作，所以研发一种蔬菜识别系统变得尤为重要。
[0003]蔬菜识别一直是国内外的热点研究领域。从1996年开始，Bolle等人设计了果蔬图像特征提取系统开始，就不断有国内外不断有学者发表相关领域文章。蔬菜识别技术主要经历三大发展过程，1、基于传统图像处理的蔬菜图像识别研究，2、基于深度学习的图像识别研究，3、后续发展的有蔬菜细粒度识别任务紧密相关的有基于...
【技术保护点】
【技术特征摘要】
1.基于ResNet
‑
SVM算法的蔬菜识别方法，具体步骤如下，其特征在于,步骤1：建立蔬菜图像数据集，将数据通过数据集样本划分程序，将样本划分为训练集和测试集；步骤2：构建ResNet
‑
18模型，输入层结构为224*224*3，输入图像为3通道，大小为224*224像素的三通道RGB图像；特征提取层使用8个残差结构，最后经过平均池化层和全连接层输出512*1维的高级蔬菜图像特征；步骤3：训练ResNet
‑
18模型，输入训练集样本和标签到ResNet
‑
18模型中，采用CrossEntropyLoss函数计算损失误差，通过BP算法，优化模型参数，最终得到提取特征能力最佳的ResNet
‑
18模型；步骤4：提取训练集样本特征，去掉ResNet
‑
18网络softmax层，只保留ResNet
‑
18网...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。