基于改进Faster R-CNN模型的水果分类识别

作者：贾艳平; 桑妍丽; 李月茹

来源：食品与机械, 2023, 39(08): 129-135.

DOI：10.13652/j.spjx.1003.5788.2023.60037

• 水果
• 识别方法
• Faster R-CNN
• 损失函数

目的:提高水果类别识别准确率。方法:基于改进Faster R-CNN模型建立水果识别方法。使用正则化方法对高维参数进行权重衰减，以有效解决训练过程中可能出现的过拟合问题；在Faster R-CNN框架中添加两个损失函数：一个似然函数和一个正则化函数，以优化卷积层和池化层；以最小二乘法求解水果识别的目标函数；利用准确率、回召率、精度和F1分数对训练好的水果识别方法进行水果识别效果评估。结果:所提出的方法对水果识别的准确率、精度和回召率达到99.69%,0.996 8,0.994 8;与其他8种水果识别方法相比，所提出方法对水果识别的准确率、精度和回召率至少提高了0.91%,1.32%,0.51%。结论:该方法可准确识别水果种类。

• 单位
  山西大学; 山西旅游职业学院; 山西农业大学