基于偏好免疫网络和SVM算法的油茶果多特征识别

S225.93; 针对油茶果采摘脱壳后存在的果壳籽粒分选效率较低的问题,该研究提出了一种结合人工免疫网络(aiNet)与支持向量机(Support Vector Machine)的多特征智能分选算法.该方法利用了免疫算法的多特征聚类特点与支持向量机的二分性特点,对油茶果壳与籽粒的延伸率、圆形度、圆满度、色差分量等6个特征进行分选.试验结果表明,该研究提出的方法在分选识别率上达到了97.4％,时间平均值为600 ms,证明了这种方法在油茶果壳籽粒分选作业中的实时性与有效性.通过与其他智能分选算法的效率对比分析证明,该研究提出的方法在效率上更优,更加适合油茶脱壳生产线的实时性要求....

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 36; no. 22; pp. 205 - 213
Main Authors 李昕, 陈泽君, 李立君, 谭季秋, 吴发展
Format Journal Article
LanguageChinese
Published 湖南工程学院机械工程学院,湘潭 411104%湖南省林业科学院,长沙 410004%中南林业科技大学机电工程学院,长沙 410004%湖南工程学院机械工程学院,湘潭 411104%株洲丰科林业装备科技有限责任公司,株洲 412000 15.11.2020
湖南省林业科学院,长沙 410004
Subjects
免疫算法
图像处理
油茶果
分选
SVM
图像识别
多特征
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2020.22.023

Cover

More Information
Summary:S225.93; 针对油茶果采摘脱壳后存在的果壳籽粒分选效率较低的问题,该研究提出了一种结合人工免疫网络(aiNet)与支持向量机(Support Vector Machine)的多特征智能分选算法.该方法利用了免疫算法的多特征聚类特点与支持向量机的二分性特点,对油茶果壳与籽粒的延伸率、圆形度、圆满度、色差分量等6个特征进行分选.试验结果表明,该研究提出的方法在分选识别率上达到了97.4％,时间平均值为600 ms,证明了这种方法在油茶果壳籽粒分选作业中的实时性与有效性.通过与其他智能分选算法的效率对比分析证明,该研究提出的方法在效率上更优,更加适合油茶脱壳生产线的实时性要求.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2020.22.023