基于机器视觉与支持向量机的核桃外部缺陷判别分析方法
Food Science(2015)
摘要
使用3CCD高精度面阵相机采集新疆多个品种核桃RGB图像,设计一种自适应双阈值的Otsu法,快速、准确地分割出缺陷区域;基于分割区域的几何、纹理等20个初始特征,转换为新的9维特征向量集;以该特征集为输入,建立基于贝叶斯、BP神经网络与支持向量机的15个识别模型,对比评价其适应性,以及裂缝、碎壳、黑斑3类核桃外部缺陷的识别性能与时间.结果表明,基于径向基的支持向量机识别模型效果最好,对3类缺陷的验证集平均识别率分别为93.06%、88.31%、89.27%,对缺陷的总识别率为90.21%,平均识别时间为10-4 s级.研究成果能够用于今后核桃缺陷的在线检测与分级,同时也为坚果等其他作物品质的在线检测识别提供一定参考.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要