基于深度集成学习青梅品级智能反馈认知方法.PDF

第33 卷 第23 期 农 业 工 程 学 报 Vol.33 No.23 276 2017 年 12 月 Transactions of the Chinese Society of Agricultural Engineering Dec. 2017 基于深度集成学习的青梅品级智能反馈认知方法 1,2 1 1※ 3 1 1 1 李帷韬 ，曹仲达 ，朱程辉 ，陈克琼 ，王建平 ，刘雪景 ，郑成强 （1. 合肥工业大学电气与自动化工程学院，合肥 230009 ；2. 流程工业综合自动化国家重点实验室（东北大学）， 沈阳 110004 ；3. 合肥学院电子信息与电气工程系，合肥 230601 ） 摘 要：针对传统机器判定水果品级的开环认知模式存在特征空间和分类准则一旦建立不再更新的缺陷，模仿人由整体 到局部反复推敲比对的思维信息交互认知模式，探索了一种具有认知结果熵测度指标约束的青梅品质智能反馈认知方法。 首先，在有限论域不确定条件下从信息论角度建立具有信息完备性评价指标的非结构化多层面动态特征表征的青梅品级 认知智能决策信息系统模型。其次，基于架构自适应的卷积神经网络（adaptive structure convolutional neural networks, ASCNNs ）和集成随机权向量函数连接网络分类器（random vector functional-link net, RVFL ），建立青梅图像由整体到 局部有明确品级特征表征映射关系的特征空间数据结构与分类准则。再次，基于广义误差和广义熵理论，建立青梅图像 认知结果的熵函数形式测度评价指标。最后，建立基于不确定过程认知结果性能测度指标约束的动态反馈认知智能运行 机制。针对1 008 幅青梅图像的平均识别率为98.15%，表明该文方法有效地增强了特征空间的泛化能力以及分类器的鲁 棒性。该研究可为基于可见光的青梅品级快速准确机器认知提供参考。 关键词：评级；认知系统；图像识别；青梅品级；卷积神经网络；集成学习；熵测度；动态反馈认知 doi ：10.11975/j.issn.1002-6819.2017.23.036 中图分类号：TP391 文献标志码：A 文章编号：1002-6819(2017)-23-0276-08 李帷韬，曹仲达，朱程辉，陈克琼，王建平，刘雪景，郑成强. 基于深度集成学习的青梅品级智能反馈认知方法[J]. 农业 工程学报，2017 ，33(23) ：276 －283. doi ：10.11975/j.issn.1002-6819.2017.23.036 Li Weitao, Cao Zhongda, Zhu Chenghui, Chen Keqiong, Wang Jianping, Liu Xuejing, Zheng Chengqiang. Intelligent feedback cognition of greengage grade based on deep ensemble learning[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(23): 276 －283. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2017.23.036 机器认知模式，其特征空间数据结构和分类准则一旦建 0 引 言 立不再更新，可归结为一个具有不确定水果图像输入和 中国的水果种植面积和产量位居世界前列，但水果 不确保水果品级输出的开环认知系统，与人类根据不同 采摘后的商品化处理水平成为制约国内水果附加值以