文摘针对果实分拣中存在识别精度低、耗时长等问题,设计实现了一种基于深度学习的智能水果分拣系统.首先,该系统采用残差网络(Residual network,ResNet)模型,通过引入动态残差门控机制优化梯度传播有效解决了深层网络训练中的梯度消失和爆炸问题,使得网络能够通过跳跃连接学习到更有效的特征表示;其次,对ResNet-18模型进行了轻量化设计,利用交叉熵损失函数(CrossEntropy loss,CELoss)和Adam优化器(Adaptive moment estimation,Adam)来进行模型的训练;最后,对数据集peach-split进行实验分析,结果表明构建的智能分拣系统对提高水果分拣精度研究具有一定的实用价值.
