| 基于机器学习的免套袋苹果缺陷分级 |
| |
| 引用本文： | 张琛,房胜,王风云,李哲,郑纪业,沈宇.基于机器学习的免套袋苹果缺陷分级[J].河南农业科学,2019,48(4). |
| |
| 作者姓名： | 张琛 房胜 王风云 李哲 郑纪业 沈宇 |
| |
| 作者单位： | 山东省农业科学院 科技信息研究所,山东 济南 250100;山东科技大学 计算机科学与工程学院,山东 青岛 266000;山东科技大学 计算机科学与工程学院,山东 青岛,266000;山东省农业科学院 科技信息研究所,山东 济南,250100 |
| |
| 基金项目： | 山东省重点研发计划项目;农业科技创新工程项目 |
| |
| 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 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
