科研产出
基于线性拟合模型的苹果大小分级方法
《山东农业科学 》 2020
摘要：针对苹果大小分级图像处理过程中苹果直径像素数与实际直径映射不准确的问题,设计了一种基于线性拟合模型的苹果大小分级方法.将图像色彩表达方式由RGB(red green blue,红、绿、蓝)颜色空间转换到HSV(hue saturation value,色调、饱和度、明度)颜色空间,利用H、S、V三项阈值从图像中分割出苹果区域作为苹果最大横切面,提取苹果横切面轮廓并过滤图像中噪声轮廓.用最小外接圆法求苹果轮廓最小外接圆,其直径作为苹果直径.按苹果实际直径大小的分布规律从总体样本中选取数据作为建模集,计算建模集中苹果直径像素数,用最小二乘法将直径像素数与实际直径拟合为线性模型.将直径像素数输入模型,计算得到的苹果直径数值用于大小分级.用75组数据测试模型,得到92%的总体分级准确率及0.56 mm的平均测量误差.该方法分级准确率高,直径测量误差小,能满足苹果产后分级需求.
关键词： 苹果分级 计算机视觉 颜色空间 最小外接圆 最小二乘法 线性拟合模型
全文链接
请求原文
基于机器学习的免套袋苹果缺陷分级
《河南农业科学 》 2019 北大核心 CSCD
摘要：为提高免套袋苹果分级效率,最小化果梗与花萼对缺陷区分的影响,提出了一种基于机器学习的免套袋苹果缺陷分级方法,该方法根据缺陷的数量和面积进行缺陷程度分级。获取免套袋苹果3个不同侧面的图像,利用固定阈值分割和形态学方法提取每个图像的苹果区域。根据苹果表面缺陷在HSV(Hue saturation value,色调、饱和度、明度)颜色空间的特征提取疑似缺陷区域,用种子填充法按序标记疑似缺陷区域,并计算每个区域的大小及灰度共生矩阵特征值。将特征值输入训练后的SVM(Support vector machine,支持向量机)模型,进行果梗、花萼与缺陷的区分,计算当前图像的缺陷数量与面积,再计算苹果3个不同侧面图像的总缺陷数量与面积,实现免套袋苹果缺陷分级。结果显示,正常区域、果梗区域、花萼区域在SVM模型中的分类正确率分别为96.7%、93.3%、88.3%。利用该缺陷分级方法对60个苹果进行分级的正确率为90.0%,满足苹果分级的实际生产需求。
关键词： 机器视觉 苹果分级 图像处理 果梗 花萼 支持向量机
全文链接
请求原文
首页上一页1下一页尾页
