刘朝辉，王维高
（西安石油大学电子工程学院，陕西西安710000）
摘要：人工智能的发展给人们的日常生活以及社会发展带来了极大的便利，无人超市的出现要求对目标识别进行深入研究。该系统采用深度学习理论以及TensorFlow学习框架来实现水果识别。利用卷积神经网络训练数据集，得出各类水果的代表性特征，从而准确进行水果识别。 关键词：水果识别；TensorFlow；卷积神经网络
中图分类号：TP18文献标识码：A
文章编号：1009-3044(2021)03-0190-02开放科学（资源服务）标识码（OSID）：Design of Fruit Recognition System Based on TensorFlow
LIU Chao-hui，WANG Wei-gao
(School of Electronic Engineering,Xi'an Shiyou University,Xi'an710000,China)
Abstract：The development of artificial intelligence has brought a lot of convenience to people's daily life and social development. The emergence of unmanned supermarket requires in-depth research on target recognition.This system adopts deep learning theo⁃ry and TensorFlow learning framework to realize fruit recognition,and uses convolutional neural network training data set to obtain the representative characteristics of all kinds of fruits,so as to accurately carry out fruit recognition.
Key words：fruit recognition;TensorFlow;Convolutional neural network
随着人工智能的发展，智能化服务在零售、医疗、食品等行业得到了广泛应用，如支付宝的刷脸支付、无人超市、无人智能停车场等。机器视觉与深度学习研究帮助人工智能取得了大幅进步。机器视觉赋予机器模仿人类视觉自动完成信息处理能力，深度学习给予机器学习能力，两者有机结合起来能够很好地代替人类完成对目标对象的分类及辨识任务。日常生活中，水果提供人体必需的营养素，在人们饮食结构中不可或缺。若在销售过程中，实现水果种类的自动分类，会为人们生活提供不小的便利，有助于无人超市的发展。本文主要研究基于深度学习的水果识别算法，通过卷积神经网络提取训练更加抽象的特征，完成水果的分类识别，降低了特征提取的难度，识别率也有所提高。
1传统图像识别
传统图像识别技术的步骤可分为：数据采集，数据预处理，特征提取，特征匹配四步。传统图像特征提取主要取决于人为设计的提取器，这一步要有相关的专业知识配合，而且每个方法都是应用于不同领域，泛化能力及鲁棒性不高。所以，传统图像识别技术对解决某些特定场景的、可人工定义、设计、理解的图像任务具有不错的效果。
2卷积神经网络
最近几年里，卷积神经网络(CNN)得到巨大的发展，这项技术的进步彻底地改变了计算机视觉领域，也推动了计算机视觉领域的前进。卷积神经网络能取得巨大成功离不开其所采取的局部连接和共享权值的方法，不仅降低了权值的数目使得网络易于优化，也对减少过拟合现象有着出的表现。在输入的图像是多维图像时，此种优势尤其显著，这样图像就能够直接成为网络的输入，舍去了传统图像识别需要庞杂的特征提取和数据重建的步骤。和传统的图象识别技术相比，卷积神经网络具有如下优点：具有不俗的容错率、杰出的并行处理能力以及强大的自学能力，面临环境信息庞杂，背景知识不明，推理规则不清晰这些情况下的问题时，容许样品有较大的缺损、畸变，运行速度快，自适应性能好，具备优异的分辨率。凭借泛化能力优异这一特点，卷积神经网络在物品分类，目标检测，目标识别等领域都被广泛应用。
卷积神经网络通常包括如下几部分：1）卷积层：卷积层是经由卷积操作对输入图像进行降维和特征提
取；2）池化层：池化层的作用是缩小模型提高计算速度，降低过拟合概率提高鲁棒性，池化层通常在卷积层后边，“池化”的是卷积层的输出；3）激活函数：激活函数在所有神经网络中都起着至关重要的作用，它将非线性因素引入网络以解决线性模型表达能力不足的缺陷；4）全连接层：全连接层可以将局部特征经由权值矩阵连接成完整的图。
3TensorFlow基本原理
目前使用率最高的机器学习框架当属TensorFlow。它是一个开源的、基于Python的机器学习框架，它由谷歌开发，并在
收稿日期：2020-09-27
作者简介：刘朝辉（1994—），男，陕西宝鸡人，硕士，研究方向为控制工程专业。
图形分类、音频处理、推荐系统和自然语言处理等场景下有着丰富的应用。TensorFlow允许将深度神经网络的计算部署到任意数量的CPU或GPU的服务器、PC或移动设备上，且只利用一个TensorFlow API[1]。
TensorFlow是一个使用数据流图(data flow graphs)用于数值计算的开源软件库。数据流图是是一个有向图，使用节点（一般用圆形或者方形描述，表示一个数学操作或者数据输入的起点和数据输出的终
点）和线（表示数字、矩阵或者Tensor张量）来描述数学计算。数据流图可以方便地将各个节点分配到不同的计算设备上完成异步并行计算，非常适合大规模的机器学习应用。
4系统设计与分析
4.1系统设计流程
本文研究的是对各类水果的图片进行必要的图像处理后，利用卷积神经网络技术，完成对不同水果的分类以及准确的识别，整个水果识别系统将分为以下几步：
1）数据采集
本次实验的数据集来源于Kaggle，共70多类水果，共约3万张图片，如图1
所示。
图1数据集文件
2）数据预处理
数据预处理一般在神经网络训练前都必不可少，因此在搭建卷积神经网络前需要对输入图像进行预处理。一般图像预处理包括以下三个步骤：①图像灰度化；②图像的几何变换即平移、旋转、镜像、裁剪等；③图像增强，增强图像中的有用信息。在本次实验刚开始测试阶段，识别准确率一直达不到要求，最终发现在本次水果识别实验中，对图像的灰度化处理适得其反。因为水果的颜是不同类水果的重要特征之一，故而在图像预处理过程中舍去了图像的灰度化。
3）设计卷积神经网络模型
本次实验选用卷积神经网络LeNet-5，激活函数选用Relu 函数，选用dropout和Softmax函数做分类器。
LeNet-5共7层(不包含输入层)，其中有2个卷积层，2个池化层，3个全连接层，其结构图如图2所示。
本次实验所选择Relu函数是当前相当流行的一种激活函数，在面对梯度消失这个在深度学习领域最大
的问题时，Relu 函数凭借其计算速度快，收敛速度快的特点，通常被优先推荐使用[2]。其函数公式为：f()x=max(0,x)，函数图像如图3所示，Softmax函数在机器学习或者深度学习中发挥着极其重要的作用。它会将输入映射为0-1之间的实数，同时归一化保证其和为1，所以多分类的概率相加之和也就等于1
。
图2LeNet-5
结构图
图3Relu函数图像
4）网络训练
卷积神经网络设计完成后，即可对搭建好的卷积神经网络进行训练并将训练好的模型存储，本次实验设定的训练次数为5000次。
5）读取模型进行测试
完成网络训练之后，即可利用训练好的网络模型，从测试图片集中随机抽取水果图片进行识别测试，验证识别准确率。
4.2实验结果与分析
在对网络进行了5000次的训练之后，其准确率已经达到了100%的水准，如图4所示。然后对其进行测试。实验随机抽取了测试数据集中的100张水果图片进行识别测试，结果显示每次均能准确的辨认出水果名称，这里只截取部分实验数据，如图5～图8所示。由此可见本系统对测试集图片的识别准确率已经达到了100%，说明本系统所采用的卷积神经网络可以很好地完成学习任务，
准确的完成水果识别。
图4
训练后的准确率
图5苹果识别图6香蕉识别
（下转第203页）
教学纳入通识教育中，使学生具备基本的人工智能素养。 其次，要重视人工智能伦理教育。人工智能技术的广泛应用引发社会各界的普遍关注和讨论，人们对人工智能超越人类智慧产生恐慌、对个人私密信息被大量采集、人和智能机器人如何相处等问题忧心忡忡。如果人工智能技术在应用方面没有得到监管，市场没有正确有效引导，很可能人工智能带给人
类的是一场灾难。全社会应该共同努力开发制定人工智能的伦理规范和政策法规。在职业教育中把人工智能伦理教育纳入人工智能课程体系中，在学分和学时设置上要有明确规定，教给学生专业的理论知识和方法论。在日常教学中引导学生树立正确的规范，安全使用人工智能技术不触犯法律法规，帮助学生正确处理自身和人工智能之间的关系。
4总结
人工智能技术的不断推进发展，给职业教育带来不仅是挑战，更多是机遇，是技术支撑。在职业教育培养目标、培养内容、师生关系等方面进行深刻的变革，同时也优化人才培养模式、改进教学模式和教学实验环境、深化产教结合。将人工智能技术与职业教育深度融合，才能培养出符合人工智能时代发展的人才，才能推动职业教育平稳健康发展。同时，人们也要意识到人工智能是工具，它与职业教育相融合的初衷是为了提升学生的学习效率和效果，帮助教师从低层次的重复性教育工作中解放出来，而不是过度依赖人工智能，将教育的主体分开。教育者需要思考和承担更高层次的工作，让教育变得更好。
参考文献：
[1]中国政府网.国务院关于印发新一代人工智能发展规划的通
知[EB/OL].[2016-07-08].v/zhengce/content/ 2017-07/20/content_5211996.htm.
[2]雷亚美.人工智能时代下职业教育发展的机遇与挑战[J].职
教通讯,2018(12):43-47.
[3]姜志坚，赵兴民，卢德生.人工智能背景下职业教育发展的策
略[J].中国职业技术教育,2017(30):54-59.
[4]白雨晴.人工智能背景下高职院校学生核心素养的培养路径
研究[J].西北成人教育学院学报,2020(1):41-44. [5]毛旭，张涛.人工智能与职业教育深度融合的促动因素、目标
型态及路径[J].教育与职业,2019(24):5-11.
【通联编辑：王力】
（上接第191页
）
图7橙子识别图8柠檬识别
5结束语
人工智能技术，图像处理和计算机视觉技术的发展的愈发
成熟，无人售卖超市在实际生活中也越来越常见，对水果识别
的研究对现实生活的进步有着很大意义。本文采用了卷积神
经网络技术并对其进行训练测试，对不同水果的识别有着很高
的准确率。该系统设计的完成，具有一定的实用价值，但也依
赖深度学习的发展，同时也存在着不可忽略的问题，如在完成
度上由于数据集不够充分，对一些残次水果的识别率上不够精
准，需要后续继续优化。
参考文献：
[1]李慧颖，李薇，邢艳芳，等.基于TensorFlow的人脸识别系统设
计[J].计算机时代,2020(9):61-63.
[2]王梓桐.基于神经网络的水果识别系统设计[J].信息通信,
2020,33(7):56-58.
[3]杨毅.基于深度学习的水果识别研究[J].信息与电脑(理论
版),2019,31(21):119-120.
[4]曾平平，李林升.基于卷积神经网络的水果图像分类识别研
究[J].机械设计与研究,2019,35(1):23-26,34.
【通联编辑：李雅琪】
（上接第200页）
3结论
本文深入研究了试题的拍照识别与分类过程中所遇到的
问题。针对图片上传不规范、识别准确度较低等问题，通过百
度人工智能技术、畸变校正以及EsayDL平台的综合运用，设计
了该系统，大幅提高了试卷录入、分类的效率，减少了教师的工
作量。具有较高的研究价值。
参考文献:
[1]唐维，任国强.基于射影矩阵变换的名片透视图像矫正[J].电
脑知识与技术,2013,9(25):5711-5715.
[2]周雨楠，张俊伟.基于Tensorflow和OpenCV的手写体阅卷系
统[J].电子世界,2020(13):99-101.图像识别
[3]唐涛，马泽.基于OCR的空间坐标自动提取——以广东省清
远市清新区不动产存量数据整合为例[J].江西科学,2018,36
(6):1024-1028,1038.
[4]魏传义，陈勤，张旻.基于投影的文本图像版面分割算法研究
[J].现代计算机(专业版),2016(10):33-38.
[5]刘洋，史煜，曹雪倩，等.自动化机器学习在眼部疾病识别及分
类中的初步应用[J].中国数字医学,2019,14(3):44-45,49.
【通联编辑：唐一东】
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议