杏仁损伤检测器——基于CNN的图像分类

        尽管食品工业包括各种类型的企业如农业、食品加工和营销等，目前对食品的评价仍旧由人工进行，现在人工评估的使用由训练有素的工人来进行。此外，人工评估是主观的，容易出现人为错误，其固有的成本过高。这就导致了利用 现有技术的重要性，这些技术不仅将提高效率，而且还将提高评价的质量。图像处理技术和模式识别为解决该问题提供了可能。深度学习技术被广泛应用于食品检测的自动化领域。

        在这个项目中，我们创建了一个基于flask的应用程序来对上传的杏仁图像进行分类。首先，我们训练了卷积神经网络(CNN)并保存了模型参数，用于图像的结果预测。为了简单起见，最初为杏仁类型创建了正常和破损两种数据。

        如上所述，这个项目是对杏仁分为两类，即正常的或破碎的，因此二元交叉熵将被用作损失函数。二值交叉熵是一种用于二值分类任务的损失函数。这些任务回答问题，只有两 个选择，给出是或否。

                                                         图1损失函数方程

        当观察属于第1类时，公式的第一部分变得活跃，第二部分消失，反之亦然。

        数据集展示