गहरे विशेषताओं के आधार पर समर्थन वेक्टर मशीन का उपयोग करके फल पहचान

फल पहचान और इसकी विविधता वर्गीकरण एक उत्कृष्ट शोध क्षेत्र है। यह शोध फलों की निगरानी और वर्गीकृत करने के लिए उपयोगी है, ताकि उत्पादन श्रृंखला तेजी से सुनिश्चित हो सके। इस शोध में, हम पांच सबसे लोकप्रिय अंडाकार आकार के फलों की छवियों का एक नया उच्च गुणवत्ता वाला डेटासेट स्थापित करते हैं, जिसमें उनके विभिन्न प्रकार शामिल हैं। गहरे न्यूरल नेटवर्क में हाल के काम ने सटीक कृषि से संबंधित कई नए अनुप्रयोगों के विकास की ओर ले जाया है, जिसमें फल पहचान भी शामिल है। यह पत्र 40 प्रकार के भारतीय फलों के लिए एक वर्गीकरण मॉडल का प्रस्ताव करता है, जो पूरी तरह से जुड़े परत से निकाले गए गहरे विशेषताओं का उपयोग करते हुए समर्थन वेक्टर मशीन (SVM) वर्गीकरणकर्ता का उपयोग करता है। इसके अलावा, भारतीय फलों की पहचान के लिए एक ट्रांसफर लर्निंग पर आधारित दूसरा दृष्टिकोण प्रस्तावित किया गया है। प्रयोग छह सबसे शक्तिशाली गहरे शिक्षण आर्किटेक्चर जैसे AlexNet, GoogleNet, ResNet-50, ResNet-18, VGGNet-16 और VGGNet-19 में किए गए हैं। इसलिए, छह गहरे शिक्षण आर्किटेक्चर का मूल्यांकन दो दृष्टिकोणों में किया गया है, जिससे कुल 12 वर्गीकरण मॉडल बनते हैं। प्रत्येक वर्गीकरण मॉडल का प्रदर्शन सटीकता, संवेदनशीलता, विशिष्टता, सटीकता, फॉल्स पॉजिटिव दर (FPR), F1 स्कोर, मैथ्यू सहसंबंध (MCC) और कपा के संदर्भ में आंका जाता है। मूल्यांकन परिणाम दिखाते हैं कि गहरे शिक्षण विशेषता के साथ SVM वर्गीकरणकर्ता अपने ट्रांसफर लर्निंग समकक्षों की तुलना में बेहतर परिणाम प्रदान करता है। VGG16 का गहरे शिक्षण विशेषता और SVM के परिणाम सटीकता, संवेदनशीलता, विशिष्टता, सटीकता, F1 स्कोर और MCC के संदर्भ में 100% हैं।