资源描述：
《向量数据描述在烟叶异物检测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、支持向量数据描述在烟叶异物检测中的应用摘要:针对烟叶异物检测中很难全面收集异物样本数据的问题,提出一种基于支持向量数据描述方法(svdd)的烟叶异物检测方法。该方法只需要烟叶样本数据,就可建立单值分类器。首先,提取烟叶与几种典型异物的rgb分量与hsv分量;然后,选取烟叶的hv分量作为特征向量,训练svdd分类器,实现烟叶异物的分类识别;最后,通过接受者操作特性(roc)曲线对比了svdd与其他3种方法的分类效果。实验结果表明,采用hv分量降低了数据维数,提高了计算效率;svdd方法具有很好的分类效果和计算效
2、率,能很好地区分烟叶与异物。关键词:支持向量数据描述;异物检测;烟叶样本;hv分量;分类识别applicationofsupportvectordatadescriptiontodetectionofforeignbodiesintobaccohuangshijian1,2*(1.schoolofphysicsandelectronengineering,yangtzenormaluniversity,chongqing408100,china;2.keylaboratoryofopto
3、electronictechnologyandsystems(chongqinguniversity),ministryofeducation,chongqing400044,china)abstract:itisdifficulttofullycollectforeignbodysampleindetectingforeignbodiesfromtobacco.adetectionmethodbasedonsupportvectordatadescription(svdd)wasproposed.
4、thusaoneclassclassifiercanbedevelopedbyusingtobaccosamplessoly.rgbandhsvoftobaccoandseveraltypicalforeignbodieswerefirstlyextracted;thenthehvcomponentwasusedaseigenvector.adevelopedsvddclassifierwasappliedtodistinguishforeignbodiesfromtobaccobyinputtingthe
5、hveigenvector.finallythroughthereceiveroperatingcharacteristic(roc)curve,thesvddclassifierwascomparedwiththreeothermethodsinclassificationeffect.theexperimentalresultsshowthatbyadoptingfeatureextractionwithhvcomponent,thedatadimensionwasreducedandahighercom
6、putationefficiencywasachieved.thesvddclassifierhasastrongerclassificationabilityandhigherefficiency,whichcoulddistinguishforeignbodiesfromtobaccobetter.keywords:supportvectordatadescription(svdd);foreignbodydetection;tobaccosample;hvcomponent;classificatio
7、n0引言国内大多数烟草生产线上都采用金属探测仪检测和剔除金属异物,并辅之以人工剔除其他异物的方法[1-2],这些方法的异物剔除率受人为因素影响较大。因此研究烟叶异物自动检测系统极为重要,自动检测的关键技术多采用机器视觉技术与模式识别技术相结合[3],其中分类方法的选择是否恰当,直接影响最后的检测结果。但近年来国内外针对烟叶异物的分类技术却鲜有报道,而常用的可以借鉴的分类方法有贝叶斯分类算法、支持向量机等传统方法和支持向量数据描述[4-6](supportvectordatadescrip
8、tion,svdd)等单值分类算法。但贝叶斯分类等传统分类方法在对训练样本不平衡领域如烟叶异物检测中异物种类繁杂甚至无法预知的情况时表现得力不从心,本文提出将支持向量数据描述方法运用到烟叶异物检测技术中,该方法已在很多训练样本不平衡的领域（如机械故障诊断[7-8]、语音识别[9]、图像识别等领域）得到了成功应用[10-12]。运用该方法只需用烟叶的hv分量数据训练单值分类器,就可实
