-
基于深度學習的移動端水果識別
超市水果識別主要依賴人工，計算機視覺成為一種解決方案。然而目前仍面臨部分水果識別精度低、終端設備部署困難、誤識別圖片難處理等挑戰(zhàn)。因此，文章基于深度學習對移動端水果識別進行研究，旨在替代人工識別。首先文章構建了包含49種水果的超市水果圖像數(shù)據(jù)集DailyFruit-49。并針對細分類特征相似度高、包裝遮擋、形狀小量少的水果識別困難，以及低算力設備模型部署問題，篩選了滿足部署要求的骨干模型。設計了新的注意力模塊RMA，改進了ViT Block以增強模型的細節(jié)識別能力和深層語義特征整合能力，最終得到DenseRMA_ViT模型，并基于Focal Loss改進損失函數(shù)。并在公開數(shù)據(jù)集Fruits-262上進行消融實驗驗證模型改進的有效性。最后結合實際設備，實現(xiàn)水果識別系統(tǒng)，滿足實際使用?；谂c用戶的交互行為對誤識別水果圖像進行收集，并基于誤識別圖像實現(xiàn)模型權重自動微調，隨使用時間延長，系統(tǒng)收集更多圖片，提升模型識別精度與泛化能力，以處理實際應用中誤識別水果。
