基于機(jī)器視覺的蘋果特征選擇和分類識別系統(tǒng).pdf

1、人工分級是蘋果外在品質(zhì)分級的最原始方法，不僅勞動強(qiáng)度大，而且缺乏客觀性和準(zhǔn)確性，嚴(yán)重影響分類的效率和準(zhǔn)確率。計(jì)算機(jī)圖像處理和機(jī)器視覺技術(shù)為水果的外在品質(zhì)檢測提供了一種自動、無損、高效和客觀的方法，大大推動了水果分級研究的進(jìn)展。形狀、顏色等特征是蘋果外在品質(zhì)分級的重要特征，也是分級的重要依據(jù)。本課題從形狀和顏色特征入手，研究并設(shè)計(jì)蘋果的自動分級系統(tǒng)。
　　 本課題主要針對蘋果自動分類的基礎(chǔ)方法進(jìn)行研究，針對真彩色蘋果圖像，從理論的

2、角度闡述了包括圖像預(yù)處理、特征提取與選擇、分類識別等一整套基本算法，重點(diǎn)研究了蘋果的特征提取和特征選擇，并將獲得的特征選擇子集用于蘋果的分類。
　　 借鑒蘋果分類的人工經(jīng)驗(yàn)知識，并結(jié)合前人在特征提取方面的成果，在蘋果圖像分割的基礎(chǔ)上，充分考慮傳輸帶上蘋果放置的狀態(tài)，提取蘋果圖像中特定狀態(tài)對應(yīng)的形狀、大小等定量形態(tài)參數(shù)；選擇合適的顏色模型，提取出蘋果的顏色特征。
　　 針對各類參數(shù)復(fù)雜度不同，采用了分步進(jìn)行特征選擇的策略，

3、篩選出最佳特征子集。首先，要根據(jù)有無果?；蚧ㄝ鄟泶_定蘋果在傳輸帶上的狀態(tài)：然后在基于離散二進(jìn)制粒子群優(yōu)化(PSO)的基礎(chǔ)上，提出了一種改進(jìn)的并行PSO特征選擇算法，從原來的一個微粒群速度變成兩個獨(dú)立、不同和并行的微粒群速度，從而快速、有效地從蘋果的形狀和顏色特征樣本中獲得一組最優(yōu)特征子集；接著采用最小二乘支持向量機(jī)(LSSVM)分類器對最優(yōu)特征子集進(jìn)行分類，驗(yàn)證特征選擇的效果。
　　 最后，本課題設(shè)計(jì)了多類LSSVM分類器模型，