基于PCA-PSO-LSSVM的茶叶品质计算机视觉分级研究

• 作者: 余洪 刘木华 吴彦红 吴瑞梅 艾施荣 范苑
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: 茶叶品质 LSSVM 粒子群算法 感官评价 计算机视觉
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 激光检测系统与应用
• 页码范围: 51-54
• 页数: 4页
• 分类号: TN209
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2017.01.051

摘要

国内外茶叶品质评价主要以感官审评方法评定.基于茶叶外形品质的评茶师审评结果,将72个茶样分成4个等级,建立茶叶品质的计算机视觉最小二乘支持向量机(LSSVM)分级模型.对茶叶外形特征参数进行主成分分析,采用粒子群算法(PSO)对LSSVM算法的惩罚系数(C)和核参数(σ2)进行优化.当主成分因子数为5,优化得到的惩罚系数C为65.6085,核参数σ2为35.7213时,建立的LSSVM模型识别精度最高.该模型对校正集的总体回判率为93.75％,测试集总体识别率为91.67％.结果表明,采用PCA-PSO-LSSVM建立的茶叶品质计算机视觉分级模型,比PSO-LSSVM、传统LSSVM、SVM模型具有更高的识别精度.可为茶叶品质的实时快速检测提供方法支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘木华	江西农业大学工学院	228	2503	23.0	41.0
2	艾施荣	江西农业大学工学院	35	174	9.0	12.0
3	吴瑞梅	江西农业大学工学院	52	529	13.0	21.0
4	吴彦红	江西农业大学工学院	15	227	8.0	15.0
5	范苑	江西农业大学工学院	4	16	3.0	4.0
6	余洪	江西农业大学工学院	1	5	1.0	1.0