10、基于CNN的百香果图像分类研究

基于CNN的百香果图像分类研究

1. 引言

计算机视觉的发展推动了机器学习（ML）、神经网络（NN）和卷积神经网络（CNN）的进步，提高了图像分类任务的效率。百香果（Passiflora edulis），在马来语中称为“Markisa”，其不同品种的检测和分类是水果包装和加工行业面临的重大挑战之一。这种水果的不同品种在颜色、大小、形状和方向上存在差异，导致人工分类容易出错，影响生产效率和包装质量。

传统上，百香果的分类是在生产线上由人工完成的，工人手动将其分类到不同的加工线中，这使得整个过程劳动强度大、耗时且容易出错，还增加了生产成本。因此，我们需要一个自动化系统来减少人力、提高产量并降低生产成本和时间。

在本研究中，我们提出了一种CNN架构，用于对几种百香果品种进行分类，包括甜百香果（Markisa Manis）、黄百香果（Markisa Kuning）、紫百香果（Markisa Ungu）和大百香果（Markisa Besar）。

2. 文献综述

在图像目标检测或分类中，有深度学习或卷积神经网络（CNN）和传统计算机视觉（CV）两种方法。传统的CV特征提取算法包括边缘检测、角点检测和阈值分割。与传统的CV技术相比，深度学习在图像分类中具有更高的准确性，并且对专家进行微调或特征提取的要求较低，CNN可以灵活地进行重新训练以获得最佳结果。

因此，CNN或深度学习被广泛应用于许多图像分类任务，包括水果分类，以帮助机器人采摘系统或检查水果质量。例如，Risdin等人开发的CNN在水果分类中达到了98.99%的准确率，优于传统机器学习技术如支持向量机（SVM）的87%准确率。Palakodati等人开发的新鲜和腐烂水果分类