基于流形学习算法的马铃薯机械损伤机器视觉检测方法

• 作者: 冯耀泽 周竹 李小昱 武振中 汪成龙
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 机器视觉 识别 算法 流形学习 机械损伤 马铃薯
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 245-252
• 页数: 8页
• 分类号: TP391.41
• 字数: 6383字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2014.01.031

摘要

针对马铃薯表面芽眼和凹凸不平的影响，使之马铃薯机械损伤难以检测的问题，该文提出了一种基于流形学习算法的马铃薯机械损伤检测方法。首先利用马铃薯图像的显著图分割出马铃薯区域，然后利用主成分分析（principal component analysis，PCA）、等距映射（isometric mapping，Isomap）和局部线性嵌入（locally-linear embedding，LLE）3种流形学习方法提取马铃薯区域图像特征参数，然后分别建立基于3种流形特征的支持向量机（support vector machine，SVM）分类模型PCA-SVM、Isomap-SVM和LLE-SVM，利用网格搜索法（grid search）、遗传算法（genetic algorithm，GA）以及粒子群算法（particle swarm optimization，PSO）3种模型参数优化方法，优化支持向量机模型的惩罚参数c和RBF核参数g，以建立最优分类模型，最后比较3种分类模型的识别效果，确定最优分类模型。研究结果表明，PCA-SVM 分类模型对训练集识别率为100%，测试集识别率为100%；Isomap-SVM 分类模型对训练集识别率为100%，测试集识别率为91.7%；LLE-SVM 分类模型对训练集识别率为100%，测试集识别率为91.7%，表明 PCA、Isomap和LLE 3种流形学习方法用于马铃薯机械损伤检测是可行的，其中PCA-SVM分类模型检测效果最优。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李小昱	华中农业大学工学院	88	1907	26.0	39.0
2	冯耀泽	华中农业大学工学院	15	198	8.0	14.0
3	汪成龙	华中农业大学工学院	6	344	5.0	6.0
4	周竹	浙江农林大学信息工程学院	12	64	4.0	8.0
5	武振中	华中农业大学工学院	4	99	4.0	4.0