智能冰箱物體識別主要涉及對水果和蔬菜的識別,冰箱中果蔬數量繁多,光照不均,環(huán)境復雜,對此提出了一種用于處理該類識別問題的卷積神經網絡。網絡采用ReLU作為激活函數,它比傳統(tǒng)的Sigmoid函數具有更強的稀疏能力和更大的梯度值,能夠極大地加速網絡收斂。隱含層中引入隨機Dropout,使得某些節(jié)點不工作,減少節(jié)點間的“共同適應”,降低網絡對某一局部特征的過擬合,可減少網絡計算復雜度并有效提升識別率。網絡采用帶動量項的基于梯度下降的反向傳播算法,避免網絡陷入局部極小值,提高識別率。最后通過用Supermarket Produce Dataset數據集模擬冰箱果蔬圖像進行實驗,驗證了本文方法的有效性。