声明
第1章 绪 论
1.1 选题的背景及意义
1.2 研究内容及目的
1.3 国内外研究现状
第2章 图像采集及处理
2.1 图像采集
2.2 数据增强
2.2.1 图像旋转与翻转
2.2.2 图像随机剪裁
2.2.3 数据集分割
2.3 本章小结
第3章 基于机器学习SVM算法的水果识别
3.1 机器学习
3.2 特征提取
3.2.1 颜色特征
3.2.2 Hog特征
3.2.3 数据规范化
3.3 特征选择与降维
3.3.1 特征选择
3.3.2 特征降维
3.4 SVM支持向量机
3.4.1 算法介绍
3.4.2 模型训练及评估
3.5 本章小结
第4章 基于深度学习的水果识别
4.1 深度学习介绍
4.2 卷积神经网络
4.2.1 卷积神经网络组成
4.2.2 经典卷积神经网络
4.3 迁移学习
4.4 Inception卷积神经网络实现
4.4.1 Inception卷积神经网络结构
4.4.2 Tensorflow实现结果
4.5 本章小结
第5章 水果图像分割
5.1 基于BP神经网络的图像分割
5.1.1 HSI模型特征提取
5.1.2 构建BP神经网络
5.1.3 试验结果
5.2 基于色差与梯度特征的图像分割
5.2.1|R-G|色差算子选取
5.2.2 梯度特征选取
5.2.3 试验结果及分析
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
附录
附录Ⅰ:SVM特征提取源代码
攻读学位期间主要的研究成果
致谢