基于ANN和贝叶斯优化算法的香蕉成熟度检测模型研究

刘海军，赵文锋，刘韵锋，陈 侨，刘小玲，刘玉涛

（1.华南农业大学电子工程学院/人工智能学院，广东 广州 510642；2.广州国家现代农业产业科技创新中心，广东 广州 510520）

0 引言

中国是世界十大香蕉生产国，同时也是世界第三大香蕉进口国，香蕉的生产和消费量巨大[1]。随着我国经济社会的快速发展和人民生活水平的不断提高，人们对香蕉的需求和品质有了更高的要求。成熟度是香蕉品质评定的重要参考依据，与香蕉的采摘、存储、分拣、运输及销售等环节息息相关，根据成熟度对香蕉进行筛选和区分，有利于提高香蕉的品质和等级[2]。但传统肉眼鉴别成熟度存在时间长、效率低、人力物力资源耗费大等问题，因此，提高香蕉成熟度检测技术水平，有利于提升果园生产效率，减小香蕉采摘、运输、分拣等环节给果农造成的经济损失，增加经济效益，促进香蕉产业进一步的提升和发展[3]。

随着机器学习的快速发展，越来越多学者将其应用于水果识别。朱玲采用K-means 聚类和BP 神经网络相结合的算法，设计了一种水果等级分类识别模型，对水果质量等级自动进行分类,取得96%的正确率[4]。HUANG 等利用人工神经网络研究土壤和叶片矿质养分对枇杷果实品质的影响，所建立的人工神经网络预测模型可以通过优化土壤和叶片中矿质元素的含量来提高枇杷果实的品质[5]。王前程等利用Census 变换与深度信念网络相结合的方法进行水果图像识别，有效识别了自建的6 类水果图像，并且大大缩短训练时间[6]。……