Automatische Obstklassifizierung mittels Deep Learning für industrielle Anwendungen

Die Obstklassifizierung ist eine wichtige Aufgabe in vielen industriellen Anwendungen. Ein Obstklassifizierungssystem kann dazu verwendet werden, einem Supermarktkassierer zu helfen, die Obstsorten und Preise zu identifizieren. Es kann auch dazu beitragen, dass Menschen entscheiden, ob bestimmte Obstsorten ihren diätetischen Anforderungen entsprechen. In diesem Paper schlagen wir ein effizientes Framework zur Obstklassifizierung mittels Deep Learning vor. Genauer gesagt basiert das Framework auf zwei verschiedenen Deep-Learning-Architekturen. Das erste ist ein vorgeschlagenes leichtes Modell mit sechs Schichten eines convolutionalen neuronalen Netzwerks, während das zweite ein feinabgestimmtes vortrainiertes Deep-Learning-Modell der Visual Geometry Group-16 ist. Zwei Farb-Bilddatensätze, von denen einer öffentlich verfügbar ist, werden verwendet, um das vorgeschlagene Framework zu evaluieren. Der erste Datensatz (Datensatz 1) besteht aus klaren Obstbildern, während der zweite Datensatz (Datensatz 2) Obstbilder enthält, die schwierig zu klassifizieren sind. Eine Klassifizierungsgenauigkeit von 99,49 % und 99,75 % wurde für das erste und zweite Modell im Datensatz 1 erreicht. Für den Datensatz 2 erzielten das erste und zweite Modell Genauigkeiten von 85,43 % und 96,75 %.