基于支持向量机回归的鲜烟叶含水量预测模型

摘要：

为了提高鲜烟叶含水量的检测准确率,基于机器视觉技术,应用支持向量机理论,建立支持向量机回归的鲜烟叶含水量预测模型,输入变量为鲜烟叶图像的r(红色分量所占比例)、g(绿色分量所占比例)、H(色调)、均值、一致性、熵、宽、面积和伸缩率9个特征参数,输出变量为含水量.通过对利用机器视觉技术提取到的鲜烟叶图像参数进行模型的训练测试,并将其结果与ELMAN神经网络对比.结果表明:支持向量机含水量模型的最大相对误差绝对值为2.410％,平均绝对误差为0.0079,平均绝对百分比误差为1.119％,误差方差为7.806×10-5,其拟合效果均优于ELMAN神经网络.该方法能够更准确地反映鲜烟叶含水量的实际值,为选择最优烘烤模式和烘烤工艺提供了参考依据.

关键词：支持向量机、鲜烟叶、含水量、预测

所属期刊栏目：38

分类号：S572;O234

资助基金：星火计划2013GA811002;贵州省科学技术基金项目黔科合J字[2013]2009号.

在线出版日期：2016-07-12（万方平台首次上网日期，不代表论文的发表时间）

页码：165-170