基于深度学习网络的蔬菜水果种类识别算法matlab仿真(算法训练识别率深度识别)

首先将当前文件夹设置为程序所在路径，这里我提供了一个非常丰富的蔬菜水果训练库，苹果，香蕉，蔬菜等各种常见瓜果都有。
然后将当前文件的设置为程序所在路径，打开训练模块，训练模块将数据库分为0.8，0.1，0.1，其中80%是训练数据，10%是验证数据，10%是测试数据。

我首先对该系统进行训练，点击运行。
这里注意一下，我这里单独放了一个Googlenet的mat文件。
因为部分matlab用户无法安装深度学习工具箱，这个时候如果直接调用Googlenet网络会报错，所以我放了一个Googlenet的初始网络，调用这个初始网络再进行训练，这样即使你没有安装这个工具箱也能运行这个程序。

现在开始运行，这里总共运行2500次，采用单GPU训练，学习率是0.001，一共20轮每轮125次，这里稍微耐心等待一下，这个蓝色线条就是他的训练集，就是80%训练集的识别率，这个黑色线条是他的验证集的识别率。
整个训练过程大概10分钟左右，稍微等一下。

看到现在经过将近1000轮训练之后，它的识别率已经快接近80%了，现在在70%左右。
训练结束，最终识别率是77%。

下面打开第二个程序进行测试，对验证集和测试集同时进行测试，随机选择16张图片。
可以看到它最后的识别结果是这样的，大部分都能正确识别。

演示完毕，谢谢大家。