岳有军， 田博凯， 王红君， 赵 辉,2

(1.天津理工大学电气电子工程学院，天津市复杂系统控制理论与应用重点实验室，天津 300384；2.天津农学院工程技术学院，天津 300384)

苹果产业中，对采摘后的苹果进行外观分类是一个重要环节，在苹果生长过程中难免会产生病害导致表面存在病斑或者腐烂现象，所以需要对采摘后的苹果进行分类。目前大多数的苹果外观分类还是采用人工的方式，这样会消耗大量的人力，效率低下，影响后续苹果的销售。因此，实现对苹果外观快速、准确分类对苹果产业的快速发展具有重要意义。

目前对苹果的分类识别研究已经取得了一些进展，尹秀珍等[1]采用支持向量机(SVM)的方法，对苹果果实病害进行分类识别；霍迎秋等[2]利用压缩感知理论,求解待测样本特征向量在特征矩阵上的稀疏表示系数向量,通过对系数向量的分析实现苹果病害的分类； Omrani等[3]利用径向基函数的支持向量回归对苹果病害进行检测。Khan等[4]提出一种基于强相关性和基于特征选择的遗传算法对苹果病害进行分割和识别。王梓萌等[5]通过主成分分析(PCA)分别与马氏距离判别模型和Fisher判别模型结合,比较两种判别模型对霉心病的判别精度，完成对苹果的霉心病的检测。由于采摘后的苹果外观存在病斑或腐烂的情况在苹果图像中的比例较小，不容易分辨，用传统方法识别难度较大，很难保证相对较高的精度。

近年来，随着深度学习的发展，卷积神经网络开始广泛应用到各行各业[6-11]。……