共查询到20条相似文献,搜索用时 31 毫秒
1.
在基于机器视觉苹果缺陷识别过程中,因果梗/花萼与缺陷表皮颜色相似,极大地降低苹果表面缺陷识别准确率,提出一种基于决策树支持向量机(DT-SVM)的苹果表面缺陷识别方法。该方法首先采用单阈值法去除背景,其次在R通道中利用Otsu法和连通域标记法提取目标区域(果梗、花萼和缺陷)的颜色、纹理和形状特征,最后利用决策树支持向量机进行识别。以600幅富士苹果图像为例,使用该方法进行缺陷识别,结果表明该方法的平均准确率为97.7%。与1-V-1多分类支持向量机(1-V-1SVM)和AdaBoost分类算法相比,DT-SVM方法正确率高、耗时短。说明决策树支持向量机对苹果表面缺陷识别十分有效。 相似文献
2.
3.
文章介绍了基于HSV颜色模型,应用支持向量机的目标提取方法检测羊绒,羊毛混纺比.根据某种色彩信息,将在HSV颜色模型下的羊绒与羊毛混纺纱线的切片图进行初步的背景分离,通过特征数据取样,应用支持向量机对图片进一步精确分离,从而使提取目标完整地从原图中分离出来,这种支持向量提取的方法为应用图像处理方法测试羊绒,羊毛混纺比提供了可行性. 相似文献
4.
5.
《丝绸》2016,(11)
传统染色品图像颜色评价的主要方法是依据色差公式计算平均色差值,然后再根据色差值得出相应的色差等级,其评价指标单一,受色差公式选择的影响较大且运算时间较长。文章提出了基于优化色差公式和支持向量机的染色品图像多颜色特征评价指标算法,首先采用遗传算法对传统的CIELAB色差公式进行优化,以减少颜色特征指标的计算时间;其次,基于支持向量机建立了多颜色特征指标与评价结果之间的拟合模型,实现了颜色品色差等级的评定。实验表明,与Datacolor 650标准检测设备得出的色差评价结果相比,基于优化的色差公式和支持向量机的染色品图像评价算法的评价结果具有较好的一致性,并且算法的执行时间得到了较大的提高。 相似文献
6.
7.
8.
以干制红枣的黑斑、破头以及分类难度较高的干条3种病害图像作为研究对象,分别采用颜色矩和灰度共生矩阵提取颜色、纹理特征中的14维特征向量,然后采用主成分分析法对特征向量进行优化,得到4个主因素特征向量作为支持向量机输入。采用交叉算法确定最优支持向量机惩罚参数c和核函数参数g对支持向量机多分类模型进行训练,利用训练后的模型对红枣进行多分类试验。结果证明,该方法能够对红枣黑斑、破头和干条3种缺陷果进行快速准确的识别,识别率分别为93.3%,100.0%和96.6%,总识别率可达97.2%,且分类效率高。 相似文献
9.
10.
机采棉中的杂质繁杂,而杂质类型及含量对后期棉花加工工艺的影响很大。为此,提出一种应用区域颜色分割方法以检测棉花中的杂质。在图像分割中,先对滤波后的机采棉图像进行彩色梯度运算,通过扩展极小变换运算获得标记图像,在修改后的梯度图像上运用分水岭算法获得初始分割图像,然后对初始分割图像进行区域合并。区域合并过程中要综合考虑空间邻接性、颜色信息和区域面积3个因素。颜色信息主要采用饱和度、亮度、区域颜色向量模及颜色相似度4 个特征量。用层次递进的合并方法,迭代过程更新信息特征。最后通过支持向量机算法提取颜色、纹理、形状特征对杂质区域进行识别。结果表明,所提方法对机采棉中天然杂质的平均识别率为94%。 相似文献
11.
12.
支持向量机可以克服高维表示的缺陷,被广泛运用到图像分类中。文章在研究图像特征的基础上,应用支持向量机的分类性能,实现了100个样本的分类,结果表明该实验分类准确率高,效果良好。 相似文献
13.
目的:准确区分完整花生、果仁破损花生和表皮破损花生。方法:提出了一种基于深度学习卷积神经网络(CNN)的花生籽粒完整性检测方案。搭建了花生籽粒色选系统,建立了花生籽粒图像库;利用改进的密度峰值聚类(DPC)算法对CNN卷积核进行自适应压缩,有效平衡网络深度和运算效率;采用改进的麻雀搜索算法对CNN超参数配置和网络结构进行优化,得到适用于花生籽粒完整性检测的CNN模型。结果:相比于DL-CNN、CO-Net等检测方法,该方案识别准确率提高了5.41%~13.92%,花生籽粒单幅图像检测时间缩短了约16.9%。结论:该方法可有效提高花生籽粒完整性检测的准确率和实时性。 相似文献
14.
纤维种类识别是进行纺织品混纺含量测定的前提条件,根据纤维直径和特定着色剂染色后颜色特征,应用支持向量机实现棉麻纤维的计算机自动识别,指出支持向量机是一种对有限训练样本更为科学的判别方法。 相似文献
15.
16.
17.
基于极限学习机的烟叶成熟度分类 总被引:3,自引:0,他引:3
为提高烟叶等级分类效率和烟叶产品品质,减轻人工劳动强度,基于极限学习机提出了一种烟叶成熟度快速分类方法:首先将烟叶图像归一化处理,将烟叶图像平均分成4块,然后提取烟叶图像的分块颜色直方图特征,利用主成分分析法对提取的特征进行降维处理,最后利用极限学习机进行识别判断.仿真实验结果表明,将极限学习机应用于烟叶成熟度分类,测试精度可达96.43%,其训练速度和泛化性均优于BP神经网络和支持向量机,能够快速、准确地判断烟叶成熟度,具有潜在的实用价值. 相似文献
18.
19.
为克服人工目测织物的颜色易受到光线和经验的影响产生误差的问题,提出一种基于计算机视觉和图像分析技术的织物颜色与纺织专用标准色卡自动配准的颜色识别与仿真方法,实现了针对1925种潘通色卡的织物颜色自动配准系统。该方法利用扫描仪获得潘通色卡棉布版的扫描图像,然后从色卡图像中提取颜色有效特征信息,构造色卡图像的色度特征数据库;设计了颜色分层模型和基于“一对一”支持向量机(SVM)与色卡图像数据的配准模型,经过对SVM模型参数优化和识别训练,系统与色卡匹配的正确率达96.89% 。另外使用296种未知色号的织物样本,将它们与系统进行配准实验,匹配正确率为 98.85%,为客观、快速地测色和数字仿真颜色提供了参考工具。 相似文献