食品科学
食品科學
식품과학
Food Science
2015年
20期
211-217
,共7页
刘军%郭俊先%帕提古丽·司拉木%史建新%张学军%黄华
劉軍%郭俊先%帕提古麗·司拉木%史建新%張學軍%黃華
류군%곽준선%파제고려·사랍목%사건신%장학군%황화
核桃%机器视觉%外部缺陷%支持向量机%识别
覈桃%機器視覺%外部缺陷%支持嚮量機%識彆
핵도%궤기시각%외부결함%지지향량궤%식별
walnuts%machine vision%external defects%support vector machine%recognition
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.
使用3CCD高精度麵陣相機採集新疆多箇品種覈桃RGB圖像,設計一種自適應雙閾值的Otsu法,快速、準確地分割齣缺陷區域;基于分割區域的幾何、紋理等20箇初始特徵,轉換為新的9維特徵嚮量集;以該特徵集為輸入,建立基于貝葉斯、BP神經網絡與支持嚮量機的15箇識彆模型,對比評價其適應性,以及裂縫、碎殼、黑斑3類覈桃外部缺陷的識彆性能與時間.結果錶明,基于徑嚮基的支持嚮量機識彆模型效果最好,對3類缺陷的驗證集平均識彆率分彆為93.06%、88.31%、89.27%,對缺陷的總識彆率為90.21%,平均識彆時間為10-4 s級.研究成果能夠用于今後覈桃缺陷的在線檢測與分級,同時也為堅果等其他作物品質的在線檢測識彆提供一定參攷.
사용3CCD고정도면진상궤채집신강다개품충핵도RGB도상,설계일충자괄응쌍역치적Otsu법,쾌속、준학지분할출결함구역;기우분할구역적궤하、문리등20개초시특정,전환위신적9유특정향량집;이해특정집위수입,건립기우패협사、BP신경망락여지지향량궤적15개식별모형,대비평개기괄응성,이급렬봉、쇄각、흑반3류핵도외부결함적식별성능여시간.결과표명,기우경향기적지지향량궤식별모형효과최호,대3류결함적험증집평균식별솔분별위93.06%、88.31%、89.27%,대결함적총식별솔위90.21%,평균식별시간위10-4 s급.연구성과능구용우금후핵도결함적재선검측여분급,동시야위견과등기타작물품질적재선검측식별제공일정삼고.