基于声信号的椰子成熟度深度学习分类系统

计算机图像处理、模式识别、信号处理等技术的不断发展，逐渐取代了传统的对水果进行人工分类的方法。 在农业领域，采后水果的智能分类已促进了智能设备的应用，对农民尤其是出口产品产生了直接影响。 然而，椰子的分类仍停留在传统方法上。 本研究提出了基于声信号的椰子数据集分类方法。 为解决数据不平衡问题，本文采用声频增强和程序化音频生成方法进行数据扩充。 经扩充后，分别获得 4050 条、4050 条和 5850 条的幼果、成熟果和过熟果声信号。 为提高分类系统的更新性和分类准确率，本文采用深度学习模型对生成的音频信号进行分类。 具体而言，训练并测试了 RNN 和 LSTM 模型，并与 Caladcad 等人 (2020) 使用的机器学习方法进行比较。 两种深度学习模型表现均佳，准确率均达到 97.42%，两种方法之间没有显著差异。