基于机器视觉的猕猴桃分类识别方法
针对猕猴桃机器视觉分级中猕猴桃图像存在阴影等问题,采用改进的区域生长法进行目标提取.提出双阈值生长准则,对满足双阈值生长准则的区域分别求取所有像素点x方向和y方向的偏导数,然后求出所有像素点包括本身的九领域的梯度幅值并保留梯度幅值大于设定梯度阈值的区域,最后经过膨胀,填充,腐蚀等操作得到目标区域.对猕猴桃三视图进行目标提取后分别获得各视图猕猴桃区域的面积,矩形度、伸长度、周长以及缺陷率,将特征数据矩阵进行主成分分析处理后,得到累计贡献率大于90％的7个主成分数据,最后将降维后的数据作为SVM的输入,得到92.5％的正确率,表明基于机器视觉的猕猴桃分类识别方法是可行的.
猕猴桃 产品分类 特征识别 机器视觉
李朝林 韩小妹 曹培培 蔡乾
上海无线电设备研究所,上海200090 吉林东光集团有限公司博士后科研工作站,吉林长春130103;上海财经大学博士后科研流动站,上海200433
国内会议
广东佛山
中文
1-10
2016-09-26（万方平台首次上网日期，不代表论文的发表时间）