9、水果图像分类的特征挖掘与神经网络实现

水果图像分类的特征挖掘与神经网络实现

1. 特征挖掘

为简化操作，初始选择了四个类别：布雷本苹果、香柠檬、芒果和树莓。基于颜色、纹理和边缘等特征类别，需找出最适合区分这些类别的特征集。

由于这四种水果颜色不同（苹果红色、柠檬橙色、芒果绿色、树莓洋红色），颜色特征首先被考虑。若将每个像素作为人工神经网络（ANN）的输入，每个图像尺寸为 100×100 像素，且基于 RGB 颜色空间有红、绿、蓝三个通道，那么 ANN 的输入总数为 100×100×3 = 30,000。基于这些输入构建的 ANN 参数数量庞大，优化困难，因此需减少输入特征数量。

一种方法是使用单一通道而非全部 RGB 通道，所选通道应能捕捉不同类别的颜色变化。以下是读取图像并创建、可视化其直方图的 Python 代码：

import numpy
import skimage.io
import matplotlib.pyplot
raspberry = skimage.io.imread(fname="raspberry.jpg", as_grey=False)
apple = skimage.io.imread(fname="apple.jpg", as_grey=False)
mango = skimage.io.imread(fname="mango.jpg", as_grey=False)
lemon = skimage.io.imread(fname="lemon.jpg", as_grey=False)
fruits_data = [apple, raspberry, mango, lemon]
fruits = ["app