基于近红外光谱和机器视觉融合技术的板栗缺陷检测

• 作者: 周竹 展慧 李小昱 汪成龙 高云
• 来源期刊: 农业工程学报
• 学科: 化学
• 关键词: 农产品 神经网络 机器视觉 近红外光谱 板栗
• 年，卷（期）: 2011,（2）
• 页码范围: 345-349
• 页数: 5页
• 分类号: TP391.41|O657.33
• 字数: 3713字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2011.02.058

摘要

为提高合格和缺陷板栗分级检测识别精度,提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺陷检测方法.试验以湖北京山板栗为试验对象,利用BP神经网络方法建立了基于近红外光谱、机器视觉和多源信息融合技术的板栗分级检测模型.试验结果表明,3种识别模型对对训练集板栗回判率分别为96.25%、96.67%和97.92%:对测试集板栗的识别率为86.25%、83.75%和90.00%.基于近红外光谱和机器视觉的多源信息融合技术进行板栗分级检测的方法是可行的,融合模型较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	展慧	华中农业大学工学院	6	248	6.0	6.0
2	李小昱	华中农业大学工学院	88	1907	26.0	39.0
3	周竹	华中农业大学工学院	14	661	13.0	14.0
4	汪成龙	华中农业大学工学院	6	344	5.0	6.0
5	高云	华中农业大学工学院	38	299	11.0	16.0