当深度学习遇上实际应用——菠菜识别

基于深度学习的本地菠菜识别分类系统

深度学习模型通过从经过训练的数据集中进行研究，为图像处理提供了令人难以置信的结果。菠菜是一种叶菜，含有维生素和营养成分。在的研究中，使用了一种可以自动识别菠菜的深度学习方法，该方法的数据集共有 5 种菠菜，包含 3785 张图像。四个卷积神经网络 (CNN) 模型用于对的菠菜进行分类。这些模型为图像分类提供了更准确的结果。在应用这些模型之前，需要对图像数据进行一些预处理。对于数据的预处理，需要一些方法。这些是 RGB 转换、过滤、调整大小和重新缩放以及分类。应用这些方法后，图像数据被预处理并准备好用于分类器算法。这些分类器的准确率在 98.68% - 99.79% 之间。在这些模型中，VGG16 达到了 99.79% 的最高准确率。

在本文中，提出了一种使用 CNN 模型的菠菜局部分类方法，可以自动对局部菠菜进行分类。四个分类器证明了对外观相似的菠菜的图像处理可以进行分类，并且可以通过这些分类器提供高输出。用几个基于深度学习的卷积神经网络训练了的数据集。然后使用四种不同的模型来比较它们之间的准确性。所有这些都为的数据集提供了高精度。用无噪声或少量噪声图像训练了这些模型，因此如果图像有噪声，该模型将无法提供最佳性能。由于这些模型提供了高性能，希望这些结果将有助于进一步的研究。而且，通过该应用程序，将有助于开发一个图像应用程序，一般人可以对可食用的当地菠菜进行分类。
菠菜是对人体有益的食物之一。它可以增强身体的骨骼。它产生维生素A、维生素C、维生素E、维生素K、钾、镁、铁、钙、铜、磷、锌、硒、叶酸、甜菜碱、叶酸、蛋白质、烟酸、omega-3脂肪酸和许多更重要的营养素 [1]。它极大地增强了抵抗疾病的能力。此外，有些物种对的头发、眼睛、心脏、肾脏和皮肤非常重要。菠菜是 2 孟加拉国农村地区非常受欢迎的食物。孟加拉国有 107 种菠菜 [2]。虽然其中许多在农村地区的市场上有售，但在城市地区只有少数物种。菠菜看起来很相似，所以新一代的大多数人和孩子通常无法认出它们。连他们都不知道这些菠菜的名字。作为一种解决方案，使用多个卷积神经网络 (CNN) 根据菠菜的叶子自动分类不同种类的菠菜。在这项研究工作中使用了五种菠菜。这些是当地称为 Pat Shak 的黄麻菠菜 (Corchorus olitorius)、当地称为 Pui Shak 的马拉巴尔菠菜 (Basella alba)、当地称为 Lal Shak 的红菠菜 (Amaranthus gangeticus)、芋头菠菜 (Colocasia esculenta)当地称为 Ko chu Shak 和水菠菜 (Ipomoea waterica)，当地称为 Kolmi Shak [2]。对数据进行了预处理，然后为此分类训练了四种不同的模型。使用 InceptionV3、Xception、VGG19 和 VGG16 来识别这些菠菜。基于 CNN 的图像分类取得了巨大的进步。图像分类有两种类型，一种是有监督的，另一种是无监督的。深度神经网络在图像分析中扮演着最重要的角色。图像分类是使用深度神经网络的主要领域。该模型采用给定的输入图像并提供分类的输出图像，用于识别图像是否代表特定类别。对不同图像执行完美图像分类精度的 CNN 模型。 Inception V3 架构是图像数据分析的最佳模型之一。 Inception V3 实现了高效的人类表现。 CNN 架构使用三维卷积来读取不同的输入图像。 CNN 是最近在图像分类中最先进的方法。自然图像由 CNN 学习，表现出强大的性能并达到人类专家系统的准确性。最后，这些陈述得出结论，CNN 可以更准确地将不同的图像分类为不同的类别。

全文链接：2201.02093.pdf (arxiv.org)