基于机器视觉的草莓自动分级方法研究

针对传统草莓自动分级处理系统利用单一特征衡量草莓品质的不足,提出从成熟度、质量、形状三方面综合评估的方法,以快速有效地完成草莓自动分级处理。该方法先计算分析HSV颜色模型中H参数判断草莓成熟度,利用图像投影面积-质量函数关系对成熟度达标的草莓进行质量测算,再采用K均值聚类法与判别分析相结合对质量达标的草莓进行形状分类,并利用加权法计算草莓质量与形状评级分确定草莓品质等级。试验表明,该方法与人工评级相比准确率达到90%以上。     

Gabor特征与深度信念网络结合的人脸识别方法

提出了一种基于Gabor特征和深度信念网络(DBN)的人脸识别方法,通过提取Gabor人脸图像的不同尺度图进行卷积融合,将融合后的特征图作为DBN的输入数据,训练多层来获得更加抽象的特征表达,整个训练的过程中采用交差熵来微调DBN,模型的最顶层结合Softmax回归分类器对抽取后的特征进行分类.在AR人脸库测试的实验结果表明:将Gabor特征与DBN结合应用于人脸识别,其准确率可高达92.7％,与其他浅层学习模型相比,DBN学习了数据的高层特征的同时还降低了特征维数,提高了分类器的分类精度,最终有效改善了人脸识别率.