从农业、市场与自动化视角看果实成熟度识别

受水果产业中有望显著减少人工投入的启发，本文致力于实现水果成熟度识别的自动化。我们从农业、市场及自动化三个不同视角出发，研究该问题，这些视角通常对应于供应链中的不同环节。由于不同成熟度阶段的水果具有不同的视觉特征，图像分类技术在此具有显著应用潜力。为构建水果图像分类模型，需采用有效的特征提取方法与学习算法。本文利用多种预训练神经网络进行高效特征提取，并结合多种机器学习算法，同时对所学模型进行偏差/方差分析。该分析有助于针对每一研究视角筛选出最优模型。在我们新构建的数据集RipeRaw上，分别从农业、市场和自动化视角出发，模型取得了96%、94%和86%的分类准确率。