[发明专利]基于ResNet-SVM算法的蔬菜识别方法

权利要求书

1.基于ResNet-SVM算法的蔬菜识别方法，具体步骤如下，其特征在于,

步骤1：建立蔬菜图像数据集，将数据通过数据集样本划分程序，将样本划分为训练集和测试集；

步骤2：构建ResNet-18模型，输入层结构为224*224*3，输入图像为3通道，大小为224*224像素的三通道RGB图像；

特征提取层使用8个残差结构，最后经过平均池化层和全连接层输出512*1维的高级蔬菜图像特征；

步骤3：训练ResNet-18模型，输入训练集样本和标签到ResNet-18模型中，采用CrossEntropyLoss函数计算损失误差，通过BP算法，优化模型参数，最终得到提取特征能力最佳的ResNet-18模型；

步骤4：提取训练集样本特征，去掉ResNet-18网络softmax层，只保留ResNet-18网络全连接层图像特征，将提取的数据保存，用于接下的线性SVM模型的训练；

步骤5：将提取出的图像特征作为训练集，训练线性SVM模型；

步骤6：使用ResNet-18网络提取测试集样本图像特征，测试SVM分类器性能，并输出测试正确率；

步骤7：调用摄像头拍照程序，拍摄蔬菜图像，使用ResNet-18网络提取图像特征，将图像特征输入到SVM分类器中，预测输出结果，并将结果保存在文本文件中；

步骤8：调用UI界面显示程序，将步骤7中拍摄到的图像和输出结果显示出来。

2.根据权利要求1所述的基于ResNet-SVM算法的蔬菜识别方法，其特征在于：所述的步骤4中预测测试集结果时，将ResNet-18全连接层后的softmax函数使用线性SVM代替，用于输出测试结果；

softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类。