食品科学
食品科學
식품과학
FOOD SCIENCE
2007年
4期
56-59
,共4页
苹果%果形%ASM%主成分分析%BP%傅立叶变换
蘋果%果形%ASM%主成分分析%BP%傅立葉變換
평과%과형%ASM%주성분분석%BP%부립협변환
形状判别是苹果外观品质检测中不可缺少的内容.本文先后采用主动形状模型(ASM)和基于傅立叶描述子的神经网络方法进行苹果形态分级,实验结果表明:传统神经网络方法的判别准确率为83.3%左右,而ASM方法的分级效果较好,对苹果果形的判别准确率高达95%,模型与实际对象匹配的时间不超过2s,且直观性强、鲁棒性好,具有较好的灵活性,能够满足苹果实时分级的需要.
形狀判彆是蘋果外觀品質檢測中不可缺少的內容.本文先後採用主動形狀模型(ASM)和基于傅立葉描述子的神經網絡方法進行蘋果形態分級,實驗結果錶明:傳統神經網絡方法的判彆準確率為83.3%左右,而ASM方法的分級效果較好,對蘋果果形的判彆準確率高達95%,模型與實際對象匹配的時間不超過2s,且直觀性彊、魯棒性好,具有較好的靈活性,能夠滿足蘋果實時分級的需要.
형상판별시평과외관품질검측중불가결소적내용.본문선후채용주동형상모형(ASM)화기우부립협묘술자적신경망락방법진행평과형태분급,실험결과표명:전통신경망락방법적판별준학솔위83.3%좌우,이ASM방법적분급효과교호,대평과과형적판별준학솔고체95%,모형여실제대상필배적시간불초과2s,차직관성강、로봉성호,구유교호적령활성,능구만족평과실시분급적수요.
