基于压力和图像的鲜玉米果穗成熟度分级方法
为实现鲜玉米果穗成熟度等级的客观评定,提出了基于压力传感器和计算机视觉技术的综合分析方法。研制了玉米果穗成熟度检测装置,提取纹理信息所得惯性矩和压力检测装置所得最大压力值作为鲜玉米果穗成熟度等级评定的特征参数,通过系统聚类分级研究,确定成熟度等级为3级。采用主成分分析法对11个颜色特征进行优化筛选,用第一、二主成分可综合反映11个颜色特征的分级信息,实现了参数的降维。试验结果表明:以最大压力值、惯性矩、颜色特征主成分分析第一、二主成分值作为构建概率神经网络的输入,进行鲜玉米果穗成熟度等级评定,正确率为96.67%。结合压力传感器和计算机视觉技术可实现对鲜玉米果穗成熟度的准确分级。...
Saved in:
| Published in | Nong ye gong cheng xue bao Vol. 26; no. 7; pp. 369 - 373 |
|---|---|
| Main Author | |
| Format | Journal Article |
| Language | Chinese |
| Published |
吉林大学生物与农业工程学院,长春,130022%吉林大学机械科学与工程学院,长春,130022%吉林天景食品有限公司,长春,130123
2010
|
| Subjects | |
| Online Access | Get full text |
| ISSN | 1002-6819 |
| DOI | 10.3969/j.issn.1002-6819.2010.07.065 |
Cover
| Summary: | 为实现鲜玉米果穗成熟度等级的客观评定,提出了基于压力传感器和计算机视觉技术的综合分析方法。研制了玉米果穗成熟度检测装置,提取纹理信息所得惯性矩和压力检测装置所得最大压力值作为鲜玉米果穗成熟度等级评定的特征参数,通过系统聚类分级研究,确定成熟度等级为3级。采用主成分分析法对11个颜色特征进行优化筛选,用第一、二主成分可综合反映11个颜色特征的分级信息,实现了参数的降维。试验结果表明:以最大压力值、惯性矩、颜色特征主成分分析第一、二主成分值作为构建概率神经网络的输入,进行鲜玉米果穗成熟度等级评定,正确率为96.67%。结合压力传感器和计算机视觉技术可实现对鲜玉米果穗成熟度的准确分级。 |
|---|---|
| Bibliography: | image processing S513 grading; pressure; image processing; neural networks; color characteristics; fresh corn ear grading neural networks 11-2047/S pressure color characteristics fresh corn ear TS210.7 |
| ISSN: | 1002-6819 |
| DOI: | 10.3969/j.issn.1002-6819.2010.07.065 |