10.13733/j.jcam.issn.2095-5553.2020.12.014
基于多特征与多分类器的鲜茶叶分类研究
机采茶中混有不同类型的鲜叶,传统的风选、振动筛选等分类方式准确度低,现有的基于计算机视觉的分选方式也无法满足对常见的单芽、一芽一叶、一芽二叶、一芽三叶四种类型鲜叶的准确分类.为解决茶叶机采后各类型鲜叶精确分类问题,提出了一种基于多特征与多分类器的鲜茶叶分类方法.首先,利用鲜叶的相对几何特征与纹理特征基于SVM构建鲜茶叶分类器;然后,对多边形拟合后的鲜叶图像进行特殊角点检测得到各特殊角点数量对应的各类别分类概率,并将特殊角点序列的距离矩阵相似度作为判断依据;最后利用KNN对上述两种方法的结果进行融合,得到最终分类结果.试验结果表明,该方法可以更好的利用不同类别鲜叶的特征进行分类,分类准确率达94.24%,取得了较好的分类效果.
鲜茶叶分类、特征、支持向量机、K最近邻算法、距离矩阵、结果融合
41
S24;TP391.4(农业电气化与自动化)
湖北省技术创新专项重大项目;湖北省科技计划项目;中国科学院—国家民委农业信息技术研究;开发联合实验室开放基金;校级质量工程项目
2021-03-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
75-83