支持向量数据描述在烟叶异物检测中的应用

• 作者: 黄仕建
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 支持向量数据描述 异物检测 烟叶样本 HV分量 分类识别
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 典型应用
• 页码范围: 881-884
• 分类号: TP274.3
• 字数: 2476字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.00881

摘要

针对烟叶异物检测中很难全面收集异物样本数据的问题,提出一种基于支持向量数据描述方法(SVDD)的烟叶异物检测方法.该方法只需要烟叶样本数据,就可建立单值分类器.首先,提取烟叶与几种典型异物的RGB分量与HSV分量；然后,选取烟叶的HV分量作为特征向量,训练SVDD分类器,实现烟叶异物的分类识别；最后,通过接受者操作特性(ROC)曲线对比了SVDD与其他3种方法的分类效果.实验结果表明,采用HV分量降低了数据维数,提高了计算效率;SV DD方法具有很好的分类效果和计算效率,能很好地区分烟叶与异物.