芒果质量分级是一项至关重要的任务，因为其与种植者的利益息息相关。然而，直到目前，芒果分级仍然依赖于人类辛苦作业，劳动强度大且易出错。

一些来自我们工作中使用的数据集AICUP2020的样本图像

背景去除过程

Ternaus16Clf的体系结构

为了解决这一问题，本文采用计算机视觉中一种久经考验的深度学习技术和卷积神经网络(CNN)来进行评分，涉及的模型包括Mask R-CNN(用于去除背景)，mageNet挑战赛的众多获奖者，即AlexNet，VGG和ResNet，以及一个自定义卷积自动编码器分类器(ConvAE-Clfs)。另外，本文还利用ImageNet的预训练权值进行迁移学习。除了详细说明预处理技术、训练细节和结果性能外，本文还进一步利用显著性图和主成分分析(PCA)对模型的工作提供了可解释的见解，为复杂的深度学习黑匣子提供了一个简洁而有意义的一瞥。最后，本文还指出该模型可以在真实的用例中呈现给人类，用于审查评分结果。

VGG16在2个测试集样本上的显著性图，比较未不应用((a)，(b))和应用背景移除的情况((c)，(d))。

关于VGG16潜在功能的2-分量PCA和一些示例，对应于不同PCA系数的芒果

来源：

Wu S, Tung H, Hsu Y, et al. Deep Learning for Automatic Quality Grading of Mangoes: Methods and Insights. arXiv:2011.11378.