随着社会的不断发展,机器视觉已经在许多领域得到应用,并且取得了很好的效果。目前,水果产品生产的各个阶段不断走向自动化,但是在超市水果零售过程中,仍然依靠人工称量,这样不仅造成人力的浪费而且效率不高,一旦遇到大量顾客需要称量的情况时,非常容易导致拥堵排队的情况,为广大顾客带来极大的不便,所以水果智能化售卖必然会成为未来的发展趋势。本文提出了一种基于卷积神经网络的水果检测算法,该算法可用于实现水果的智能称量。本文的研究内容和贡献如下:(1)建立了一个可有效训练卷积神经网络的水果图像库,这个图像库的主要特点是不仅包含了单个水果的样本、而且收集了多个同种水果、多个混合种类水果复杂类型的图像样本,模拟了实际称量中可能出现的各种情况。由于目前国内外并没有这种模拟实际情况的水果图像库,所以这个水果图像库对于检验应用于实际情况的水果识别算法具有重要意义。(2)为了处理多个水果图像和多个不同种类混合水果图像的检测和识别问题,本文提出了选择性搜索算法与熵值分析优化的分割算法,将复杂水果原图分解成多个目标区域。详细做法放到对应章节中介绍该方法能提取到含有有效信息的区域,实验证明该方法提高了最终识别正确率。(3)构建一个与复杂水果图像分割后获得多个目标区相对应的卷积神经网络架构。使用分割后的目标区域图像训练卷积神经网络,这样分割出来的大数量目标区域图像既满足卷积神经网络大数据训练图像的要求,又增加了训练图像样本的多样性,提高了训练好的卷积神经网络识别能力。(4)利用本文提出的卷积神经网络架构检测水果图像的过程中,采用非极大值抑制方法消除多余定位框,最终可得到被识别出来的水果在输入图像中的准确定位。实验结果表明,本文提出的算法在建立的数据库上取得了 91.6%检测率,与简单使用CNN进行检测相比,准确率得到了较大提高,具有一定的应用价值。