王 辉，张 帆，刘晓凤，李 潜

(1.中央民族大学信息工程学院，北京 100081；2.青岛职业技术学院，山东 青岛 266555)

0 引言

随着计算机视觉的发展，图像识别逐步应用到农业领域，而水果图像识别在健康生活、无人超市以及智慧农业等方面具有重要作用.传统的水果图像分类方法在特征提取方面大都需要综合颜色、纹理、形状特征，并增加一些局部特征，或采用一些高效的特征匹配算法，往往受限于自身算法的局限性，无法找到通用的特征提取模型，因此泛化性不强[1-2].尤其针对复杂背景下多种水果的分类，传统方法不堪重负.而卷积神经网络(Convolutional Neural Network，CNN)的发展与应用为实现水果自动、快速、准确识别创造了有利条件，其优势在于对图像具有极强的数据表达能力，图像特征不需人为设定，而是通过深层网络结构提取，非线性表达能力强、泛化性能好等[3].

近年来，许多学者开始利用不同深度架构的CNN模型在水果识别方面进行研究，王前程[4]利用CNN对6种水果数据集进行分类，证明了CNN在水果图像识别上的优势；M.Fard等[5]利用CNN设计了一种自动检测和识别水果图像的方法，在多种不同类型水果的分类任务中达到75%的准确率；I.Sa等[6]建立了一个基于CNN的果实识别模型，取得不错的效果.以上研究表明，CNN应用于水果识别任务中可以克服传统图像识别方法的不足，但相关算法目前存在以下2个问题：(1)算法基本以水果标本模式照的图像进行识别，而对于自然环境下或者复杂背景下的图像上的拓展能力较弱；……