基于支持向量机的缺陷红枣机器视觉识别

基于支持向量机的缺陷红枣机器视觉识别

ID:32372201

大小:286.99 KB

页数:4页

时间:2019-02-03

基于支持向量机的缺陷红枣机器视觉识别_第1页
基于支持向量机的缺陷红枣机器视觉识别_第2页
基于支持向量机的缺陷红枣机器视觉识别_第3页
基于支持向量机的缺陷红枣机器视觉识别_第4页
资源描述:

《基于支持向量机的缺陷红枣机器视觉识别》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、2008年3月农业机械学报第39卷第3期基于支持向量机的缺陷红枣机器视觉识别*赵杰文刘少鹏邹小波石吉勇殷小平【摘要】在枣的干制过程中形成的油头枣、浆头枣、霉烂枣是最常见的缺陷枣。它们整体或局部颜色偏暗、偏黑,有必要通过机器视觉技术将其识别出来。在HIS颜色空间中,提取H的均值和均方差作为红枣的颜色特征值,利用支持向量机识别缺陷红枣。实验结果表明。识别准确率可以达到96.2%,优于人工神经网络的89.4%。关键词:机器视觉识别红枣支持向量机中图分类号:TP391.41;$665.1文献标识码:ARecognitionofDefectChineseDatesbyMachineVisionandS

2、upportVectorMachineZhaoJiewenLiuShaopengZouXiaoboShiJiyongYinXiaoping’(Jian伊乱Uki优"i砂)AbstractDuringtheproductionandstorageofChinesedates,someofthemareeasytOmouldrotbecauseofhighwatercontent.Thedefectdatesappeardarkerthanthenormalones.Basedonsupportvectormachine,therecognitionofthedefectChinesedatem

3、achinevisionwasproposed.AftertheacquisitionoftheChinesedatesimages,thecolormodelwaschangedfromRGBtoHIS.Then,theaveragevalueHandstandarddeviationvalueofdateshuevalueswerecalculate.DependingonthetwosquareO"Hvalues,thereWaSfewoverlapsbetweendefectdatesandnormalonesintheplotofHand叮H.Therefore,Hand口Hwer

4、etreated88thefeatureparameters.Artificialneuralnetwork(ANN)andsupportvectormachine(SVM)modelwereusedtoanalysisthedatesfeaturesrespectively.TheexperimentalresultsshowthatSVMhasabetterperformancethanANNondistinguishdefectChinesedatesfromnormalones.andthecorrectrecognitionrateofSVMis96.2%.KeywordsMach

5、inevision,Identification,Chinesedate,Supportvectormachine混杂有这3类枣,会严重影响红枣的销售。因此,必引言须将其从正常红枣中分选出来。目前对缺陷红枣主GB5835--86中对干制红枣的色泽要求是具有要是通过手工进行分选[1J,对工人的要求很高,且本品种应有的色泽。红枣的色泽是鲜枣经干制后的分选效率很低,准确性差。随着图像处理技术的日自然色泽。皆为红色。但由于成熟度不同和加工环趋先进与计算机硬件成本的下降及计算机处理速度境的影响,致使红色程度有所差别。另外,在枣的干的提高,在农产品品质自动检测和分级领域中机器制过程中,容易形成油头枣、浆

6、头枣、霉烂枣,这3类视觉系统的应用越来越受到关注[2--3]。支持向量枣是红枣中最常见的缺陷【l】。如果在正常红枣中机(supportvectormachine。简称SVM)能很好的解收稿日期:2007—01—12*江苏省自然科学基金资助项目(项目编号:BK2006552)、高等学校博士学科点专项科研基金资助项目(项目编号:20040299009)和江苏省自然科学基金重点资助项目(项目编号:BJ2006707—1)赵杰文江苏大学食品与生物工程学院教授博士生导师,212013镇江市刘少鹏江苏大学食品与生物工程学院硕士生邹小波江苏大学食品与生物工程学院副教授博士后石青勇江苏大学食品与生物工程学院

7、硕士生殷小平江苏大学食品与生物工程学院硕士生114农业机械学报决非线性识别的问题,而且所构造的模型具有很好硬件的,R、G、B成分与人对颜色的感觉并无直接的预测性能[4~5j。本文采用机器视觉技术获取红的联系。人眼主要通过颜色的亮度、色度及饱和度枣的图像,在HIS颜色空间中提取H的均值和均方来辨别颜色,而HIS颜色系统正是根据人眼的这一差作为红枣的颜色特征值,利用支持向量机将缺陷特性来描述颜色的。HIS模型的3

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。