基于流形学习算法的马铃薯机械损伤机器视觉检测方法

针对马铃薯表面芽眼和凹凸不平的影响，使之马铃薯机械损伤难以检测的问题，该文提出了一种基于流形学习算法的马铃薯机械损伤检测方法。首先利用马铃薯图像的显著图分割出马铃薯区域，然后利用主成分分析（principal component analysis，PCA）、等距映射（isometric mapping，Isomap）和局部线性嵌入（locally-linear embedding，LLE）3种流形学习方法提取马铃薯区域图像特征参数，然后分别建立基于3种流形特征的支持向量机（support vector machine，SVM）分类模型PCA-SVM、Isomap-SVM和LLE-SVM，利用网格搜索法（grid search）、遗传算法（genetic algorithm，GA）以及粒子群算法（particle swarm optimization，PSO）3种模型参数优化方法，优化支持向量机模型的惩罚参数c和RBF核参数g，以建立最优分类模型，最后比较3种分类模型的识别效果，确定最优分类模型。研究结果表明，PCA-SVM 分类模型对训练集识别率为100%，测试集识别率为100%；Isomap-SVM 分类模型对训练集识别率为100%，测试集识别率为91.7%；LLE-SVM 分类模型对训练集识别率为100%，测试集识别率为91.7%，表明 PCA、Isomap和LLE 3种流形学习方法用于马铃薯机械损伤检测是可行的，其中PCA-SVM分类模型检测效果最优。