基于 Adaboosting_SVM 算法的多特征蛋壳裂纹识别
以无裂纹蛋和裂纹蛋为测试对象,采用机器视觉技术和支持向量机等技术手段,分析无裂纹蛋和裂纹蛋在图像上的差异,提取特征参数,实现蛋壳裂纹的自动识别;针对蛋壳表面的亮斑,对预处理后的图像运行消除亮斑算法并进行区域标记。在此基础上,从5个不同视角提取13个能够表征无裂纹蛋和裂纹蛋的特征参数,分别是图像标记区域参数(区域标记数和标记点数)、几何特征参数(长轴和短轴)、基于 Freeman 链码的形状参数(形状数)、纹理特征参数(均值、标准偏差、平滑度、三阶矩、一致性、熵)和频谱特性参数(最大幅值和最大相位)。采用 Adaboosting 算子对上述特征参数进行优化,突出影响因子较大的参数组合,作为 SVM 的输入向量,建立蛋壳裂纹的识别模型。结果表明:该方法对蛋壳表面的亮斑、微小裂纹及普通裂纹均具有识别能力,模型正确率达97.5%,符合蛋品企业对蛋壳裂纹检测的精度要求。
蛋壳、裂纹、机器视觉、支持向量机
S126;TP391.41(农业物理学)
国家自然科学基金项目51105160;华中农业大学博士启动基金项目52902-0900206027
2015-02-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
136-140