食用农产品批发市场涉及众多食用水果经营商户,这些商户经营的水果种类繁多而且交易量也巨大。但目前商户在食用水果的交易过程中仍采用传统人工操作的方式,尤其批发销售时需要通过人工判断识别水果种类后,才能输入相应的价格数据进而计算交易的总金额。这种操作方式不仅没有充分利用先进的互联网+和当前人工智能技术的优势,而且消耗人力、增加劳动强度、影响经营成本等。因此,研发一套食用水果图像识别系统用于辅助水果经营商户自动高效识别水果图像的种类后便能完成水果交易中的涉及的费用计算是有意义的和应用价值的。本文所研究的内容旨在基于先进的深度学习技术构建一个食用水果图像识别模型,并基于该模型研发面向批发市场食用水果商户交易需要的食用水果图像识别系统。本文的主要研究内容及工作如下:(1)研究分析了基于传统机器学习和基于深度学习的水果图像识别相关技术。对传统机器学习中的特征提取算法、分类算法进行了研究分析,着重研究分析了卷积神经网络技术,尤其是较深入研究分析了 AlexNet、MobileNet以及MobileNetV2的网络架构特点和主要应用。(2)采集和整理进行模型训练需要的食用水果图像数据集。本文在基于真实的农产品批发市场采集得到的食用水果图像数据集的基础上,再通过网络搜索方式进行收集,以便尽可能得到较多的数据集。另外,为了模型训练的需要,数据集被整理成训练集和测试集两大部分。(3)研究基于传统机器学习和基于深度学习网络分别构建食用水果图像识别模型,并对模型的有效性进行测试。本文重要研究内容就是如何选择一个有效合适的食用水果图像识别模型进行应用系统的研发。为了选择一个有效模型,本文分别对基于原始LBP、旋转不变LBP、等价LBP和旋转不变的等价LBP等传统机器学习算法与SVM、KNN等分类器相结合所构建的食用水果图像识别模型和基于AlexNet和MobileNetV2深度学习方法所构建的食用水果图像识别模型进行测试和结果分析。最终通过对比实验和结果分析后,本文选择基于MobileNetV2网络构建的食用水果图像识别模型用于系统的开发。(4)研发基于MobileNetV2的食用水果图像识别系统。使用软件工程的方法对水果图像识别系统进行可行性分析、需求分析、总体设计、数据库设计与详细设计,阐述了系统的整体架构设计和具体模块的设计。系统主要分为两部分:一是客户端,包括水果图像上传、水果图像识别、查看检索日志、查看和修改个人信息的功能;二是管理端,包括用户管理、模型扩增等功能。最后编写代码完成系统的开发并对系统的客户端和管理端进行软件测试。测试效果符合预期,达到了可以实际应用的效果。