基于MATLAB BP神经网络的水果识别研究

摘 要： 本文介绍了一种基于 ＢＰ 神经网络的水果识别方法。 随着模式识别技术不断的发展，图像识别作为最具代表性的应用，受到了众多学者的关注，尤其是在图像快速识别方面。 为了解决传统水果图像分类识别算法人工提取特征的缺陷，将经过训练的 ＢＰ 神经网络应用在水果的识别中。 本实验使用数字图像处理的方法，首先对采集到的图像进行预处理，并针对多种水果混合的图像进行提取和识别。 实验表明，基于 ＢＰ 神经网络的水果识别方法能够获得很高的识别率，能够有效地将同一幅图像中的不同水果识别出来。

关键词： 水果识别； 图像处理； ＢＰ 神经网络； ＭＡＴＬＡＢ

引 言

在中国，通常采用人工方式进行水果分级，而人工分级往往效率低、劳动量大、有较大的人工误差等，难以实现标准分级［１］ 。 并且人工识别具有诸多的不稳定因素。 因此，研究和开发水果自动实时分级系统，对经济、农业的发展具有广阔的应用前景。从 ８０ 年代开始，国内外有许多学者研究水果分级的自动识别算法，近年来也出现了一些基于水果识别的算法，如郑小东等人［２］ 根据区域特征进行水果的自动识别。 项辉宇等人实现了对苹果大小、缺陷以及颜色特征的检测。 程荣花等人［３］ 对水果图像的主成分分析， 从而对其进行识别预测。 王水平等人［４］ 利用 ＳＶＭ 分类器，对水果进行分类预测。 这些方法虽然在水果识别中取得了一定效果，但对于同副图像中的多种水果识别还有欠缺。 针对这一问题，本文基于 ＢＰ 神经网络对水果图像进行识别。首先，根据水果的不同特征，对图像进行预处理；然后，通过标签化处理将图像中各个连接成分进行分离，从而实现对水果特性的研究，再提取出不同水果的颜色、边界不规则、形状等基本特征，对得到的水果图像特征参数进行计算；最后，使用多幅图像训练

ＢＰ 神经网络，并完善水果特征库，以达到快速识别水果的目的。

１ 数字图像处理

首先，本文对不同水果图片进行数字图像处理。目的是为了提高图片的质量，得到理想的图像效果。图像处理的方法有：图像变化、图像编码压缩、图像增强和复原、分割、描述等。 本文采用图像识别方法的主要步骤为：首先，预处理图像；然后，对预处理的图像进行分割和特征提取；最后