論文研究了櫻桃番茄的在線分級,通過利用機器視覺技術(shù)動態(tài)采集櫻桃番茄傳輸過程中的實時圖像,對該圖像先用二級小波分解和中值濾波的方法進行預(yù)處理,對櫻桃番茄分級指標進行分析后,進一步用粒子群參數(shù)優(yōu)化的支持向量機方法對果形、果面紋理和顏色分布等特征參數(shù)進行構(gòu)建模型與在線分級。同時針對提高分級實時性問題,采用圖像壓縮和特征降維的方法進行解決。試驗結(jié)果最終表明,所采集的圖像包含了櫻桃番茄表面的完整信息,分級準確率可達到95%以上,平均分級速率為4個/秒。 

【文章來源】：計算機與數(shù)字工程. 2020,48(07)

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]利用融合高度與單目圖像特征的支持向量機模型識別雜草[J]. 王璨,李志偉.  農(nóng)業(yè)工程學(xué)報. 2016(15)
[2]基于ReliefF和PSO混合特征選擇的面向?qū)ο笸恋乩梅诸怺J]. 肖艷,姜琦剛,王斌,李遠華,劉舒,崔璨.  農(nóng)業(yè)工程學(xué)報. 2016(04)
[3]基于機器視覺的蘋果外觀缺陷在線檢測[J]. 趙娟,彭彥昆,Sagar Dhakal,張雷蕾.  農(nóng)業(yè)機械學(xué)報. 2013(S1)
[4]基于灰關(guān)聯(lián)分析和模糊隸屬度匹配的球形水果自動識別方法[J]. 朱堅民,雷靜桃,翟東婷,黃之文.  儀器儀表學(xué)報. 2012(08)
[5]計算機視覺技術(shù)在水果品質(zhì)檢測中的研究進展[J]. 任永新,單忠德,張靜,戰(zhàn)麗.  中國農(nóng)業(yè)科技導(dǎo)報. 2012(01)
[6]基于D-S證據(jù)理論的決策級多特征融合蘋果分級方法[J]. 李先鋒,朱偉興,花小朋,孔令東.  農(nóng)業(yè)機械學(xué)報. 2011(06)
[7]用于圖像處理的自適應(yīng)中值濾波[J]. 張旭明,徐濱士,董世運.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2005(02)



本文編號：3636312