✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层,批量规范化层和激活函数组成的网络结构,利用Sofmax loss和L2正则化进行损失函数设计.算法使用卷积加步长替代池化层,让网络具有自主学习下采样能力,使用批量规范化层用于解决网络过拟合问题.采用Fruits-360数据集进行测试,实验表明,FC-CNN可以识别出48种水果,准确率可达到99.63%.与现有的深度学习水果图像分类算法相比,FC-CNN的识别准确率更高,识别种类更多.
⛄ 部分代码
[file,path] = uigetfile('*.png;*.jpg;*.jpeg;*.bmp');
% Görüntüyü yükleme ve ön işleme
selectedfile = fullfile(path,file);
I=imread(selectedfile);
I=imresize(I,[100 100]);
tic
[a,b]=classify(net,I)
sure=toc
[~,idx] = sort(b,'descend');
idx = idx(5:-1:1);
classNamesTop = net.Layers(end).ClassNames(idx);
scoresTop = b(idx);
barh(scoresTop)
xlim([0 1])
title('Top 5 Predictions')
xlabel('Probability')
yticklabels(classNamesTop)
⛄ 运行结果
⛄ 参考文献
[1]简钦, 张雨墨, 简献忠. FC-CNN:基于卷积神经网络的水果图像分类算法[J]. 农业装备与车辆工程, 2021, 059(001):67-71.
