[发明专利]一种冰箱用果蔬识别神经网络训练系统

权利要求书

1.一种冰箱用果蔬识别神经网络训练系统，由输入模块、计算模块、人机界面等部分构成，其中输入模块主要负责输入采集到的图片信息及相应的实际果蔬名称；计算模块主要负责完成神经网络计算，将神经网络计算结果与实际值相比较来进一步训练神经网络中的参数；人机界面主要负责与用户交互，实时反映神经网络中的各项参数与神经网络计算的准确程度等数据；所述的输入模块中输入的图片信息必须包含大量冰箱内实际拍摄的图片；所述的神经网络算法采用一种两个卷积神经网络集成学习的方法来强化颜色信息对果蔬识别的影响。

2.根据权利要求1所述的一种冰箱用果蔬识别神经网络训练系统，其特征在于：系统数据集包含14 种冰箱中常见果蔬，分别为苹果、香蕉、皇冠梨、橙子、菠萝、火龙果、猕猴桃、花菜、黄瓜、尖椒、柿子、甜椒、玉米和胡萝卜。

3.根据权利要求2所述的一种冰箱用果蔬识别神经网络训练系统，其特征在于：系统的单独的网络结构为将Zeiler网络的第5个卷积层后的池化层替换为一个空间金字塔池化层。

4.根据权利要求3所述的一种冰箱用果蔬识别神经网络训练系统，其特征在于：网络模型中使用pad参数，通过在输入的每一边加上相应个数的像素以得到预期大小的特征图。

5.根据权利要求4所述的一种冰箱用果蔬识别神经网络训练系统，其特征在于：网络采用ReLU激活函数，网络的权值更新基于带动量因子的梯度下降的反向传播算法。

6.根据权利要求5所述的一种冰箱用果蔬识别神经网络训练系统，其特征在于：系统的集成网络中的多层感知器含有50个隐层单元，该多层感知器的输入为两个独立的卷积神经网络的输出层神经元拼接后的向量；系统用AlexNet模型的前4个卷积层分别初始化水果种类识别网络和水果颜色识别网络的对应层，待水果种类识别网络和水果颜色识别网络训练结果趋于稳定，再抽取这两个模型的参数去初始化集成的网络模型。