2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、花椒不僅是一種重要的烹飪調料,還具有廣泛的藥用價值。本文將機器視覺技術和支持向量機引入到花椒顆粒閉眼率、椒籽率、果穗梗率和果皮率等外觀品質評價指標的快速檢測中,避免了傳統(tǒng)人眼感觀檢測存在的效率低、準確性差等缺陷。主要研究內容如下:
   第一,開發(fā)了花椒外觀品質機器視覺檢測硬件系統(tǒng)。通過試驗及分析,合理選擇圖像處理器件,構建花椒外觀品質機器視覺檢測硬件系統(tǒng),系統(tǒng)包括微機、CCD攝像機、鏡頭、光源、電機、托盤、光照箱、圖像采集卡、

2、單片機等。
   第二,研究了基于機器視覺和SVM的花椒外觀品質檢測算法。
   花椒外觀品質檢測算法分為訓練建模和預測分類兩個部分,而圖像處理算法是建模和預測的基礎。本課題針對本研究室前期的研究,對花椒外觀品質檢測圖像處理算法進行了優(yōu)化和改進,解決了需要二次填充才能識別個體的問題;并首次把支持向量機方法引入到花椒固有雜質預測分類中。
   第三,開發(fā)了基于機器視覺和SVM的花椒外觀品質檢測軟件系統(tǒng)。
  

3、 在Visual C++6.0平臺完成了花椒外觀品質檢測軟件系統(tǒng),包括圖像采集模塊、圖像處理模塊、特征提取模塊、建模和預測模塊以及硬件控制模塊。
   第四,花椒外觀品質檢測試驗分析。
   對收集的141份花椒樣品,隨機選取100份花椒樣品作為建模樣品集。分別采集每份樣品中果皮、閉眼、椒籽及果穗梗四類個體的圖像并提取特征參數值作為訓練集,利用LIBSVM軟件包訓練建立SVM花椒分類模型。將未參與建模的剩下的41份樣品

4、作為預測集。采集其圖像,并通過圖像處理提取個體特征參數,利用已建立的SVM花椒分類模型自動預測得到每個個體的種類,統(tǒng)計出個體總數并計算花椒各項檢測指標值。對預測集里的41份花椒樣品各項檢測指標值進行人眼感官評測,并與機器檢測的結果進行對比比較,給出機器的誤差及誤差率。結果表明:對椒籽、果穗梗識別誤差率為9.09%、11.76%,閉眼及果皮識別誤差率分別為50%、-4.04%。
   研究表明,基于機器視覺和SVM的花椒外觀品質檢

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論