13、基于量子深度学习的芒果多级分级研究

基于量子深度学习的芒果多级分级研究

1. 芒果分级研究概述

1.1 研究目标与方案

本研究旨在基于外观和内部品质属性对芒果进行分级，提出的解决方案具有以下具体目标：
- 使用多级分级方案对水果进行分级。
- 结合图像处理、计算机视觉和深度学习技术，提高外部分级的准确性。
- 采用专门为该研究构建的卷积神经网络（CNN）FMG13模型，基于专门为该研究创建的数据集进行深度学习。
- 结合机器学习和多元算法，预测水果的内部品质属性，并根据所选的内部属性进行分类。
- 使用低成本传感器和移动相机/手持成像设备，提高多级分级的准确性。

1.2 芒果供需情况

印度园艺业多年来呈指数级增长，水果和蔬菜产量已超过粮食产量。在2020 - 2021年作物年度，印度芒果产量预计增长4.24%，达到2112万吨。印度几乎所有邦都种植芒果，在芒果出口国中总产量位居前列。印度拥有1000多种不同的芒果品种，约30种用于商业出口。马哈拉施特拉邦是最大的出口邦，泰米尔纳德邦紧随其后，出口多达14种芒果品种，如班加那帕利、阿方索、尼拉姆、鲁马尼和班加罗尔等热带品种，主要面向出口业务。为满足消费者对优质芒果的需求，芒果供应链的利益相关者需要创新、智能的分级解决方案。

1.3 影响芒果品质的因素

收获时芒果的成熟度对其食用品质和保质期至关重要。过早采摘的芒果虽能成熟，但缺乏理想的香气和风味，更易受冷害，保质期缩短；过熟的芒果则会变软、粉质，成熟后无味。选择芒果时，成熟度的判断基于多个参数，如形状、果皮颜色、果皮质地、果肉硬度、内部果肉颜色发育、硬度和可溶性固形物含量等。最常用的可靠成熟度指标包