基于SOM神经网络实现猪肉颜色的自动分级

结合图像处理和SOM神经网络对猪肉背最长肌断面颜色的分级进行了研究。通过摄像头采集猪肉背最长肌断面图像,对图像进行均值滤波后,将图像背景、脂肪去除,在此基础上,得到了肌肉颜色特征值向量H、S和L值。将H、S和L值输入自组织映射(SOM)神经网络进行聚类分析,以实现对猪肉颜色等级的划分。结果表明,对6个颜色等级分级准确率分别为73·2%、80·1%、90·5%、65·8%、54·7%和33·1%。大量的实验表明,计算机智能化分级系统具有很好的稳定性和一定的准确率,可以作为有效的猪肉颜色分级工具,但分级准确率还有待于进一步提高。     

基于SOM神经网络实现猪肉颜色的自动分级

结合图像处理和SOM神经网络对猪肉背最长肌断面颜色的分级进行了研究。通过摄像头采集猪肉背最长肌断面图像,对图像进行均值滤波后,将图像背景、脂肪去除,在此基础上,得到了肌肉颜色特征值向量H、S和L值。将H、S和L值输入自组织映射(SOM)神经网络进行聚类分析,以实现对猪肉颜色等级的划分。结果表明,对6个颜色等级分级准确率分别为73·2%、80·1%、90·5%、65·8%、54·7%和33·1%。大量的实验表明,计算机智能化分级系统具有很好的稳定性和一定的准确率,可以作为有效的猪肉颜色分级工具,但分级准确率还有待于进一步提高。      

BP人工神经网络南疆红枣颜色分级方法的研究

以南疆红枣颜色分级为研究对象,从预处理后的红枣图像中提取红体均值(R)、绿体均值(G)和蓝体均值(B)以及它们的均方差σR、σG、σB共6种颜色特征变量;再将图像从RGB到HIS颜色空间转换,然后从HIS颜色空间中,提取色度均值(H)、亮度均值(I)和饱和度均值(S)以及它们的各自的均方差σH、σS、σI共6个颜色特征变量,总计12个颜色特征变量,最后应用BP神经网络进行红枣颜色分级。结果表明,BP人工神经网络分级与人工分级的一致度达到了91.6%,该网络分级效果良好,能较好地满足红枣颜色分级的需求,对南疆红枣产品的生产、销售具有一定的理论指导和实际应用意义。     

钻石的颜色分级

钻石的颜色分级柯捷钻石的颜色十分丰富，通常人们把钻石划分成两大颜色系列，即：无已一浅黄色系列钻石和彩色钻石，真中无色－浅黄色的钻石占了首饰钻的绝大多数，彩色钻石则十分稀少，常见有褐色、黄色、绿色、蓝色、紫色、红色、黑色等。钻石颜色分级是指对无色－浅黄...     

绿色翡翠基于HSL色度参数的计算机颜色分级

色相、饱和度及亮度是翡翠颜色分级的基本参数,通过彩色数码相机采集翡翠图像,提取出色彩的HSL色度学参数,并以此为基础,利用Visual C++语言编写计算机分析程序,对绿色翡翠样品图像进行像素点的扫描与分析,进一步进行色彩类型分类,获得颜色色级、均匀度等结果。为了验证这一程序的可靠性,对样品色彩进行主观分级、GemDialogue色卡描述及HSL色度学参数分析,结果显示与计算机颜色分级的数据吻合,说明绿色翡翠基于HSL色度参数的计算机颜色分级系统运行稳定快捷,具有一定的可行性,能很好的完成对绿色翡翠图像各种绿色像素点的分类与计算,并能针对不均匀翡翠根据各种绿色像素点所占的比例进行分析,并最终给出分级定名,实现了计算机程序对绿色翡翠色彩的自动分类。     

绿松石颜色成因及分级研究现状

绿松石是一种含水的铜铝磷酸盐矿物,纯净状态下呈天蓝色,因常见复杂类质同象而呈现出丰富多变的颜色外观.绿松石颜色成因可由晶体场理论解释,其天蓝色由Cu2+配位八面体的局域对称性及其在晶格中的结构位置决定;Fe3+和V3+的综合作用导致蓝色绿松石中绿色调的出现;Fe3+含量的增多会使得蓝色绿松石向土黄、棕色转变.绿松石中存在氢键较强的羟基(Al-OH)、氢键相对较弱的[Cu(H2O)4]2+和充填在孔隙或微裂隙中的吸附水,其中羟基和结晶水的热损失会对绿松石颜色产生破坏性的影响,而吸附水含量的增加仅对绿松石颜色的明度和饱和度产生积极作用.绿松石结构致密性影响着绿松石吸附水的赋存,疏松绿松石吸水前后的色差大于致密绿松石吸水前后的色差.目前针对绿松石颜色分级的研究方法可分为理论建模型和规律总结型两类,前者基于CIE 1976 L*a*b*颜色体系,以L*、a*和b*颜色参数为独立变量进行聚类分析和判别分析,将单一色调内的绿松石颜色分成差异性极显著的不同类别,从而根据明度和彩度进行具体级别的描述;后者基于HSB表色体系,实现绿松石颜色空间内的可视化表征,总结绿松石分布规律并结合肉眼观察特征,并以色相分级、明度分级和饱和度分级构成绿松石颜色分级的全部内容.     

棉花颜色分级图

棉花颜色分级研究内容包括颜色分级图、实物标准、文字描述三部分。颜色分级图明确了各棉花颜色级的区域和所在位置,用于颜色测试仪判定颜色级。实物标准显示了各颜色级棉花的实际颜色特征,用于感官检验,实物标准是保证感官检验和仪器检验相符的技术基础。     

基于TCS230的食用油颜色检测技术研究

本文介绍了一种以TCS230颜色传感器和嵌入式微控制器为核心的食用油颜色检测技术.其相对于传统的人工观察法而言可以较为精确的控制油脂的脱色质量,具有很好的市场推广价值.     

判别颜色感觉的人工神经网络方法

尝试用人工神经网络技术对颜色的分类和判别问题进行研究。在讨论Kohonen网络的结构与工作原理的基础上 ,构作了用于颜色分类的网络。此网络能反映颜色感觉的差异 ,与数学方法给出的结果一致。     

基于BP神经网络的原棉短纤指数预测模型

为对脱籽后原棉的短纤指数进行预测,采用遗传优化BP神经网络预测法,设计了原棉短纤指数预测的遗传优化BP神经网络模型。以南疆地区原棉为研究对象,选择籽棉回潮率和轧花速度频率2个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立原棉短纤指数的遗传BP神经网络预测模型。结果表明,遗传BP神经网络模型能较好地表达原棉短纤指数与主控因素之间的非线性关系,预测结果与实测值之间误差小,测试样本的网络输出值与网络目标值的相关系数达0.999 8,模型预测效果较佳。     

用于染色的神经网络计算机配色算法

分析了现有染色配色理论的现状,提出了基于神经网络的计算机配色算法,并进行了仿真试验.从仿真过程和结果看,BP网络具有学习能力,对于更新的工艺环境、新的染料系列、新的配方数据可以随时重新训练配色系统,从而实现配色系统的自动调整;还可以改变输入节点和输出节点数目,适应不同采样设备获取的色信息.简化了配色的算法,简化了基础数据的建立,有效减小了配方的色差.     

基于灰色系统理论及RBF神经网络的棉织物透湿性能预测

通过测试棉织物的结构参数与透湿性能,应用灰色系统理论计算了棉织物结构参数与透湿量的关联度,并对其排序,结果表明影响棉织物透湿性能的3个主要结构参数依次为孔隙率、纬向紧度和总紧度。利用MATLAB软件,建立了织物透湿性能的RBF神经网络预测模型,用此模型预测棉织物的透湿性能具有运算速度快、精度高和泛化能力强的特点。     

基于RGB颜色模型棉花杂质的识别算法

介绍了原棉在线异性纤维检测系统的结构及工作原理.采用RGB颜色模型,以色度为主要特征量,设定阈值对棉花和异物的像素点进行判别.并通过Visual C＋＋语言实现了此算法,得到了较好的效果.     

基于RGB颜色模型棉花杂质的识别算法

介绍了原棉在线异性纤维检测系统的结构及工作原理。采用RGB颜色模型,以色度为主要特征量,设定阈值对棉花和异物的像素点进行判别。并通过Visual C++语言实现了此算法,得到了较好的效果。     

棉籽剥壳机的研究现状及发展对策

分析了棉籽剥壳技术在国内的研究现状、几种棉籽剥壳方法及剥壳机械的工作原理和结构特点,以及棉籽剥壳机械在发展中遇到的问题,针对遇到的问题,提出了一些解决的建议。     

基于卷积神经网络的织物缝纫平整度客观评价

针对大多数评价织物缝纫平整度等级方法对实验条件均有较高的要求,且织物种类及环境等因素对实验结果均有较大影响的现状,提出利用卷积神经网络分析织物缝纫平整度等级的方法,以提高等级分类的准确率和效率。设计了一个基于残差卷积神经网络的织物缝纫平整度客观评价模型,该模型以1000个普通织物的缝纫图像作为训练样本输入,得到缝纫平整度的分类结果,所选织物包含10种常见服装面料品类(塔夫绸、塔斯隆、雪纺、顺纡绉、尼丝纺、麂皮绒、天丝斜纹、真丝缎面、平布、交织绸)。研究结果表明:经200个测试集样本的验证,该模型的评价准确率达96%,与智能化评价以及建立预测模型方法相比,利用卷积神经网络分析织物缝纫平整度等级的方法,具有较好的准确率,且具备获取样本图像流程简单、效率高的优势。     

基于聚类算法和色彩网络的蝴蝶色彩分析及应用

蝴蝶蕴含着独特的自然美,是设计师重要的设计灵感来源.为厘清蝴蝶色彩及其搭配规律,更好地进行蝴蝶色彩重用,基于聚类算法和色彩网络对蝴蝶色彩进行分析和应用研究.首先,利用K-means聚类算法对单只蝴蝶8种不同角度的图像进行2次色彩聚类和主色提取,构建110只蝴蝶的6色标准色卡.其次,对蝴蝶标准色卡再次聚类,结合蝴蝶色彩实...