基于人工智能的水果分类识别技术研究开题报告

1. 研究目的与意义（文献综述）

由于近年来我国的水果行业发展快速，大批量，高效率的水果识别系统已经是当前非常重要的需求了。因此，我国也有许多研究人员运用不同的方法来展开水果图像识别的研究。孟大伟团队通过hsv空间和小波变换来提取水果的纹理和颜色特征，接着利用k近邻分类器进行组合特征的识别和预测，获得了较好的识别效果，识别性能比一个特征有了很大的提高。吕秋霞研究团队[25]提取了水果的纹理、颜色和形状特征，并进一步将分类器选为bp神经网络，完成了对水果图像的识别和预测。结果表明，各种水果的识别准确率都在95%以上。虽然识别效果良好，但人工设计特征的过程复杂，网络训练的局限性较大。王水平研究团队所设计的水果种类识别系统则是通过svm分类器来实现的，通过一系列的图像预处理例如颜色空间转换，边缘提取等操作来提取水果的颜色，形状和大小特征，最后通过svm分类器来进行这三类特征组合的识别分类，这种方法可以达到95.33%的平均识别正确率。钟夏研究团队则另辟蹊径，通过提取水果的气味与颜色特征，完成了水果成熟判断系统，准确率也可达到93.3%。

2. 研究的基本内容与方案

2.1基本内容

本次我的毕业设计内容是基于人工智能的水果分类识别技术研究。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。 目前机器学习是人工智能的一种实现方式，也是最重要的实现方式。而深度学习是机器学习现在比较火的一个方向，其本身是神经网络算法的衍生，在图像、语音等媒体的分类和识别上取得了非常好的效果。

水果识别系统功能需求分析：

3. 研究计划与安排

1~3周：调研，完成开题报告。

4~6周：熟悉pycharm开发平台。

7~8周：处理数据集并且构建神经网络结构。

4. 参考文献（12篇以上）

1. 吕秋霞，张景鸿．基于卷积神经网络的水果自动分类系统设计[j]．安徽农业科学，2009，35(37)：17392-17394.

2. 孟大伟．基于纹理信息的水果图像识别方法仿真研究[j]．计算机仿真，2011，28(12)：293-296.

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付