基于多分类器DS证据理论融合的水果识别研究

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.