基于机器视觉与机器学习的火龙果重量估计

目的:解决火龙果人工称重耗时、费力且成本高昂等问题，提出一种基于机器视觉和机器学习的自动化重量估计方法。方法:首先，对106个火龙果进行称重、记录重量并拍摄、构建火龙果图像。然后，对火龙果进行降噪和分割，得到火龙果的二值图像，并从中提取出火龙果像素面积、长轴像素长度和短轴像素长度3项图像特征。将以上图像特征与重量组合成数据集，按照7∶3比例将数据集划分为训练集和测试集。最后，将训练集输入梯度提升、随机森林、K近邻和人工神经机器模型中训练，并利用测试集进行模型评估。结果:人工神经网络评价指标相较于其他模型更优，决定系数为0.986,均方根误差为13.091。结论:该方法能够有效地完成火龙果重量估计，满足火龙果重量估计的要求。