基于机器视觉的农产品物料分级检测系统关键技术研究
针对传统人工目测方法在检测大米粒型时主观性较大及效率较低等缺点，设计了一套基于计算机视觉技术的大米粒型识别装置，采用灰度变换、中值滤波等方法对原始图像进行预处理，然后根据大米形态特点提取大米的面积、周长、长、宽等13个特征参数，采用主成分分析方法对提取的参数进行分析，以前三个主成分综合所有特征参数，作为用遗传算法改进的BP神经网络的输入对网络进行训练和大米粒型识别。实验结果表明：该方法对整米粒识别率为99.00%，对碎米粒识别率为95.50%。
计算机视觉 大米粒型识别 神经网络 分级检测 主成分分析
胡庆新 王伟 顾爱华
合肥工业大学 计算机与信息学院 合肥 230009
国内会议
北京
中文
226-229
2011-04-01（万方平台首次上网日期，不代表论文的发表时间）