基于机器视觉的樱桃番茄在线分级系统设计

发布时间：2022-02-21 02:28

　　论文研究了樱桃番茄的在线分级,通过利用机器视觉技术动态采集樱桃番茄传输过程中的实时图像,对该图像先用二级小波分解和中值滤波的方法进行预处理,对樱桃番茄分级指标进行分析后,进一步用粒子群参数优化的支持向量机方法对果形、果面纹理和颜色分布等特征参数进行构建模型与在线分级。同时针对提高分级实时性问题,采用图像压缩和特征降维的方法进行解决。试验结果最终表明,所采集的图像包含了樱桃番茄表面的完整信息,分级准确率可达到95%以上,平均分级速率为4个/秒。 

【文章来源】：计算机与数字工程. 2020,48(07)

【文章页数】：6 页

【参考文献】：
期刊论文
[1]利用融合高度与单目图像特征的支持向量机模型识别杂草[J]. 王璨,李志伟.  农业工程学报. 2016(15)
[2]基于ReliefF和PSO混合特征选择的面向对象土地利用分类[J]. 肖艳,姜琦刚,王斌,李远华,刘舒,崔璨.  农业工程学报. 2016(04)
[3]基于机器视觉的苹果外观缺陷在线检测[J]. 赵娟,彭彦昆,Sagar Dhakal,张雷蕾.  农业机械学报. 2013(S1)
[4]基于灰关联分析和模糊隶属度匹配的球形水果自动识别方法[J]. 朱坚民,雷静桃,翟东婷,黄之文.  仪器仪表学报. 2012(08)
[5]计算机视觉技术在水果品质检测中的研究进展[J]. 任永新,单忠德,张静,战丽.  中国农业科技导报. 2012(01)
[6]基于D-S证据理论的决策级多特征融合苹果分级方法[J]. 李先锋,朱伟兴,花小朋,孔令东.  农业机械学报. 2011(06)
[7]用于图像处理的自适应中值滤波[J]. 张旭明,徐滨士,董世运.  计算机辅助设计与图形学学报. 2005(02)



本文编号：3636312