基于多输入架构和 CNN 模型的健康与次品水果分类
计算机视觉与模式识别
2024-10-16 v1 机器学习
摘要
本研究探讨了利用多输入 (Multi-Input) 架构对水果 (苹果和芒果) 进行健康与次品状态分类, 采用 RGB 与轮廓图像. 旨在提高 CNN 模型的准确率. 方法包括图像获取、数据集预处理、训练和评估两种 CNN 模型: MobileNetV2 和 VGG16. 结果表明, 在水果分类 (健康或次品) 时, 将轮廓图像与多输入架构结合使用可获得优于仅使用 RGB 图像的模型性能. 具体而言, 使用 MobileNetV2 模型可实现 100% 的准确率. 这一发现表明, 这种组合方法在提高对健康或次品水果的精确分类方面具有有效性, 对外部质量检测水果具有重要意义.
引用
@article{arxiv.2410.11108,
title = {Classifying Healthy and Defective Fruits with a Multi-Input Architecture and CNN Models},
author = {Luis Chuquimarca and Boris Vintimilla and Sergio Velastin},
journal= {arXiv preprint arXiv:2410.11108},
year = {2024}
}
备注
7 pages, 11 figures