基于K-means聚类和改进MLP的苹果分级研究

摘要：

为准确实现多特征融合的苹果分级,提出了一种基于K-means聚类和改进MLP的苹果分级方法.该方法主要包括图像预处理、亮度均衡化、背景分割、特征加权以及改进的MLP分级网络训练.首先借助均值滤波算法和直方图均衡化操作改善苹果图像质量;接着借助K-means聚类算法进行背景分割;在果体与背景分割的基础上,依次提取苹果的果径、果形、颜色、缺陷、纹理5个特征;然后借助皮尔逊相关性分析和人工挑选偏好权重对特征数据集综合加权,模拟人工分级场景;最后将特征数据送入改进的MLP神经网络中完成苹果的分级定等.通过对400个定好等级的苹果进行分级测试,准确率达到94.25％,验证了分级方法的可行性与准确性.该方法与现行的苹果分级标准相结合,具备时效性强、检测指标完备等分级优势.

关键词：K-means聚类、皮尔逊相关系数、多特征融合、改进MLP、苹果分级

所属期刊栏目：52

分类号：TP391.41;S126(计算技术、计算机技术)

资助基金：新疆维吾尔自治区自然科学基金资助项目;新疆农业大学研究生教育教学改革研究项目;新疆农业大学大学生创业训练项目

在线出版日期：2023-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：161-171