基于多分类器DS证据理论融合的水果识别研究

来源：中国农机化学报杂志2021年第2期北京时间：

作者：蔡浩;郭宏亮;

单位：吉林农业大学信息技术学院;

摘要：针对不同分类器对不同水果种类识别准确率的不均衡问题,提出一种基于多分类器DS证据理论融合的水果识别方法。该研究选择kaggle上fruits360数据集中的5种水果作为研究对象,首先对预处理后的5种水果图像的颜色、纹理、形状特征进行提取,分别选用BP神经网络、K均值、SVM三种分类器,结合被测图像在每种分类器上的识别结果和各个分类器对不同水果的分类准确率,构建基本概率函数(BPA函数),通过DS证据融合规则对分类器融合后对被测图像进行识别。试验结果表明:该方法对5种水果的识别平均准确率为95.2%,总体标准偏差为0.029 93,在提高单分类器识别准确率的同时,解决了分类器对各种水果识别的不均衡问题。对10组测试集识别的平均准确率为93.5%,总体标准偏差为0.055,该方法对水果种类的识别更准确和稳定。

关键词：水果识别,多分类器,DS证据理论,BPA

基金资助：吉林省科技厅科技支撑计划重点项目(20190301024NY)