杜俊波，李文正

（江西理工大学 电气工程与自动化学院，江西 赣州 341000）

0 引 言

随着计算机技术的发展，图像识别技术被应用到各大领域[1]。在农业领域中，图像识别技术的应用也较为广泛。例如，农作物虫害图像识别，农产品自动分拣及品质分级等等。我国是水果大国，对于水果图像识别的研究尤为重要。水果图像识别能对不同水果进行识别分类，有利于水果的自动分拣及水果品质分级。在西方的发达国家，已经开始对水果行业智能化、规模化，在选果包装车间中，已经普遍采用无损伤检测手段。因此，水果图像识别技术具有很大的效益潜力。

20世纪80年代初，国内外学者开始对水果识别分类进行研究，包括研究水果的计算机自动识别分类等。但是传统的水果识别仅仅基于水果的轮廓曲线特征或者颜色特征，识别精度不高，分类效果较差。近年来，随着计算机技术的提升和新型算法的提出，出现了一些基于模式识别算法的较新方法，比如基于卷积神经网络的水果识别系统和基于深度学习的水果图像识别系统[2-3]。

最初，深度学习是为了解决图像识别问题而提出的；如今，深度学习已经在图像、语音等方面取得了重大突破。目前，深度学习技术已经广泛应用到图像识别中，主要应用于图像的分类识别、图像的目标检测、图像修复和图像分割等领域[4]。

鉴于图像识别技术的发展及国内外研究现状，本文提出一种基于阈值分类器的水果识别系统。……