【正文】 續(xù)二次迭代的梯度方向相同時，可將權(quán)值和 閾 值的修正值乘以一個增量因子，使其修正值增加 。函數(shù) sigmoid 具有這樣的特性：當輸入變量的取值很大時，其斜率趨于零 。 綜上所述，我們的網(wǎng)絡(luò)是一個具 有 2 個輸入端， 19 個隱含結(jié)點 ， 3 個輸出結(jié)點的三層 BP 神經(jīng)網(wǎng)絡(luò)。根據(jù)我們的具體情況，選擇含有一個隱含層的三層 BP網(wǎng)絡(luò)作為網(wǎng)絡(luò)結(jié)構(gòu)。 本課題中需要訓練網(wǎng)絡(luò)通過識別兩個特征量（六個數(shù)據(jù)）來區(qū)分三種水果 ，所以共需要 2 個輸入端， 3 個輸出端。 （ 5）競爭轉(zhuǎn)換 指令格式 ： y_sim = pet(y) pet()是一種轉(zhuǎn)換函數(shù)，它可以把運行結(jié)果中輸出向量里的最大值賦值為 1，其它值則賦值為 0，從而更方便地對輸出結(jié)果進行直觀的觀察。trainrp39。logsig39。 其算法步驟如下 : ； (對各樣本依次計算 )； (1) 從前向后各層計算各單元權(quán)值； (2）計算各層輸出； (3) 從后向前計算各層學 習誤差； (4) 計算并保存各權(quán)值修正量； (5) 修正權(quán)值。分層型神經(jīng)網(wǎng)絡(luò)將所有神經(jīng)元按功能分為若干層，一般有輸入層、中間層和輸出層三層，各層順序連接。神經(jīng)網(wǎng)絡(luò)具有并行結(jié)構(gòu)和并行處理、自適應性、知識的分布存儲、較強的容錯性、本質(zhì)的非線性系統(tǒng)等特性，通過網(wǎng)絡(luò)訓練，可以建立數(shù)據(jù)庫信息的非線性模型，并從中提取出相應的規(guī)則。 …… 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動識別 21 ratio_o=n_orange_R/(n_orange_G+n_orange_B) ratio_b=n_banana_R/(n_banana_G+n_banana_B) ratio_a=n_apple_R/(n_apple_G+n_apple_B) 運行結(jié)果 ： ratio_o = ratio_b = ratio_a = 經(jīng)過程序運算，得出表 21： 表 21 水果特征參數(shù)數(shù)據(jù)表 面 積 （ S） 周 長 （ L） 弧 度 （ radian_x） 顏 色（ ratio_x ） 桔 子 7271 390 香 蕉 14067 898 蘋 果 10006 465 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動識別 22 由表 21 可以看出： ① 香蕉是周長最長、弧度最小的水果； ② 在三種水果中，蘋果的 R 通道直方圖中固定區(qū)域（ 100~170 像素）中像素數(shù)量與其 G 通道和 B 通道直方圖中固定區(qū)域中像素數(shù)量和的比值為三者中最大的，即蘋果的紅色信息量 （ ratio_a） 是最多的。 T_banana_B=COUNTS_b3(100:170,:)。 [COUNTS_b2,X] = imhist(jietu_banana_G)。 jietu_banana_R= CaiTu(pmin:pmax,qmin:qmax,1)。pmax=max(p)。 jietu_orange_G= CaiTu(pmin:pmax,qmin:qmax,2)。qmin=min(q)。 jietu_apple_B= CaiTu(pmin:pmax,qmin:qmax,3)。qmax=max(q)。 主要程序如 下： % 蘋果 [p,q]=find(Biaoqianhua1==3)。 圖像的顏色有多種表示方式 ,本課題采用 RGB 顏色模式。 本課題采用顏色直方圖法提取水果圖像顏色特征。radian_b=0。 （ 3）弧度：它是在面積、周長的基礎(chǔ)上，測量物體形狀的 復雜程度的特征量?！? Biaoqianhua(i+1,j+1)==0)) L3=L3+1。Biaoqianhua(i,j1)==0)|(Biaoqianhua(i,j)==3amp。 end end end for i=1:m for j=1:n If ((Biaoqianhua(i,j)==3amp。… Biaoqianhua(i,j+1)==0)|(Biaoqianhua(i,j)==2amp。Biaoqianhua(i1,j1)==0)|(Biaoqianhua(i,j)==2amp。Biaoqianhua(i+1,j1)==0)|... (Biaoqianhua(i,j)==1amp。… Biaoqianhua(i1,j)==0)|(Biaoqianhua(i,j)==1amp。L2=0。 （ 2）周長：計算出物體輪廓線上的像素數(shù)，在斜方 向上，會產(chǎn)生數(shù)字化圖形特有的誤差，故應以其 2 倍的數(shù)量加以補正。 for i=1:m 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動識別 17 for j=1:n if (Biaoqianhua(i,j)==2) S2=S2+2。S2=0。 經(jīng) 過標簽化的不同區(qū)域像素值分別為： 1， 2， 3。title(39。k39。title(39。 Biaoqianhua=Biaoqianhua1(3:end3,3:end3)。這種方法把圖像分割成特征相同的小區(qū)域 (最小的單位是像素 )，研究與其相鄰的各個小區(qū)域之間的特征，把具有類似特征的小區(qū)域依次合并起來。)。,3)。OR 運算分割圖像 39。 else ROI_Seg(i,j)=255。)。 figure(5)。 Sobel 算子是一種簡單常用的微分算子，它不僅能檢測邊緣點，而且能進一步抑制噪聲的影響。 ④ 閉運算 (imclose)：先膨脹 后腐蝕的過程稱為閉運算。 ② 膨脹 (imdilate)：膨脹是將與物體接觸的所有背景點合并到該物體中，使邊界向外部擴張的過程。常見的形態(tài)學運算有腐蝕和膨脹兩種。 數(shù)學形態(tài)學是圖像處理和模式識別領(lǐng)域的新方法，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應形狀，以達到對圖像分析和識別的作用。 由于受原始圖像中灰度分布不均勻和光照等的影響，使得二值化后的圖像不是很理想，如同一類水果中出現(xiàn)空洞，并且個別邊緣處出現(xiàn)斷裂等。二值化圖像 39。 else Erzhihua(i,j)=0。只要閾值選取合適，將每個像素與之比較，進行二值化或者半二值化處理，就可以很好地將對象從背景中分離出來。這樣一來物體的邊界就成為這樣一些內(nèi)部的點的集合，這些點都至少有一個鄰點不屬于該物體。二值化處理的關(guān)鍵是確定適當?shù)拈撝?Th。 圖像閾值分割是最常用的圖像分割技術(shù)，主要利用圖像中背景與對象之間的灰度差異。如果原來的“ a5”是噪聲，那么它被中值取代后，就達到了去噪的目的；如果原來的“ a5”不是噪聲，則取代的結(jié)果可能是丟失了圖像中的細線或小塊的目標區(qū)域。去噪后的圖像 39。 QuZao(i,j)=temp(1,5)。 [m,n]=size(QuZao)。鄰域的大小決定在多少個數(shù)值中求中值，窗口的形狀決定在什么樣的幾何空間中取元素計算中值。當然在實際使用時，不可能僅僅使用一種方法，而是綜合運用各種數(shù)字濾波技術(shù)，比如在中值濾波法中加入平均值濾波，借以提高濾波的性能。 下面是銳化后的圖像： 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動識別 10 圖 22 銳化后的圖像 2． 1． 3 圖像噪聲消除處理 圖像去噪采用中值濾波法，中值濾波是抑制噪聲的非線性處理方法。1,1,1。imshow(Ruihua)。 temp1=XX.*Mo。1,1,1。如果再乘以 C(C1)，即 C[f(x,y) ),( yxf? ],相當于把高頻分量增加為 [f(x,y) ),( yxf? ]的 C倍，從而更有效的提高了高頻成分。 Matlab 以“ %”后的文字作注釋。 title(39。 %讀取圖像 HuiTu=rgb2gray(CaiTu)。用 Matlab 實現(xiàn)圖像讀取比 C++簡單，圖像數(shù)據(jù)以矩陣的形式存放，其掃描規(guī)則是從左向右 ,從上到下。 綜上，選擇 MATLAB 進行課題的研究是明智而有意義的。用戶可以借助于 MATLAB 環(huán)境下的“在線幫助”學習各種函數(shù)的用法及其內(nèi)涵。 MATLAB 支持用戶對其函數(shù)進行二次開發(fā)，用戶的應用程序可以作為訓練數(shù)據(jù)獲取 測試數(shù)據(jù)獲取 特征提取 特征提取 特征空間壓縮與變換 特征空間壓縮與變換 分類器設(shè)計 目標分類 識別結(jié)果 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動識別 7 新的函數(shù)添加到相應的工具箱中。 二、功能強大，可擴展性強。 MATLAB 是 — 種以矩陣為基本變量單元的可視化程序設(shè)計語言，語法結(jié)構(gòu)簡單，數(shù)據(jù)類型單一，命令表達方式接近于常用的數(shù)學公式。 MATLAB 語言是當今國際上科學界最具影響力、最具活力的軟件。 （ 6）水果識別 建立水果特征庫，用采集到的特征數(shù)據(jù)對 BP 網(wǎng)絡(luò)進行訓練，達到能夠區(qū)分任意一幅圖片中香蕉、蘋果和桔子的目的，使識別系統(tǒng)具有良好的通用性。所謂圖像的標簽化，是指對圖像 中互相連通的所有像素賦予同樣的標號，而對于不同的連接成分則給予不同的標號的處理過程。 （ 2） 圖像去噪和對比度增強 圖像有噪聲和對比度較差的時候，這些會給最終的識別分類帶來困難。因此，很有必要對本課題進行深入細致的研究。 機械分揀具有短時、高效、符合果蔬產(chǎn)品的時間特性等特點。這種方式雖然成本低廉，但卻違背了解放生產(chǎn)力 的根本目標，同時也帶來了諸多無法克服的缺點 : 勞動量大，生產(chǎn)率底，分級標準難以實現(xiàn)以及分級精度不穩(wěn)定。 我國是世界蔬菜、水果的生產(chǎn)大國，總產(chǎn)量均居世界第一位。一般來說，圖像處理包括圖像編碼、圖像增強、圖像壓縮、圖像復原、圖像分割等內(nèi)容。 圖像識別所提出的問題，是研究用計算機代替人們自動地去處理大量的物理信息，解決人類生理器官所不能識別的問題，從而部分地替代人的腦力勞動。 RPROP 引言 隨著計算機的普遍使用，人類已經(jīng)進入了一個 高速發(fā)展的信息化時代，圖像處理技術(shù)也愈來愈成為科學技術(shù)領(lǐng)域中必不可少的手段。 label。整個識別過程涉及圖像數(shù)據(jù)獲取、對比度增強、去噪、二值化、標簽化、特征參數(shù)計算、水果識別、神經(jīng)網(wǎng)絡(luò)、 BP 算法等過程。數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動識別 1 浙江師范大學本科畢業(yè)設(shè)計 (論文 )正文 學院 數(shù)理與信息工程學院 專業(yè) 電子信息工程 姓名 賈曉瑞 學號 03610104 指導 教師 張長江 職稱 副教授 合作 導師 職稱 中文題目 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動識別 外文題目 Automatic Recognition for Fruit based on Image Features and Neural works 摘要 本文基于 Matlab 識別一幅數(shù)字水果圖像中的香蕉、蘋果和桔子。 關(guān)鍵詞 圖像識別；二值化；標簽化；特征參數(shù)； Matlab；神經(jīng)網(wǎng)絡(luò)； BP算法 導 師 點 評 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動識別 2 浙江師范大學本科畢業(yè)設(shè)計 (論文 ) 正文目錄 摘要????????????????????????????? ??? 3 英文摘要?????????????????????????????? 3 引言 ???????????????????????????????? 3 1．識別系統(tǒng)的方案設(shè)計與 析 ?????????????????????? 5 1． 1 總體設(shè)計 路?????????????????????????? 5 1． 2 編程語言 擇 ?????????????????????????? 6 2．提取特征 數(shù) ?????????????? ?? ?? ????????? 8 2． 1 圖象預 理 ? ?????????????????? ? ? ??? ?? 8 2． 1． 1 圖像數(shù)據(jù)獲取 ?????? ?????????????? ?? 8 2． 1． 2 圖像增強處理 ???????????????????? ?? 8 2． 1． 3 圖像噪聲消除處理 ?????????