典型文献
基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法
文献摘要：
为实现鲜烟叶采收部位的数字化识别,进一步提升采收鲜烟叶素质的一致性,利用轮廓纹理特征和线性判别分析(LDA)技术对不同着生部位鲜烟叶进行研究,首先,对采集的鲜烟叶图像进行图像缩放、灰度化、二值化等预处理操作,提取狭长度、矩形度等4个轮廓特征参数,进而提取鲜烟叶图像的灰度共生矩阵(GLCM)特征,并通过LDA进行特征降维,之后利用K近邻算法(KNN)对鲜烟叶部位进行分类.结果表明,所提取未经降维处理的轮廓纹理特征在不同分类模型中的识别准确率均达到0.80以上,可有效反映鲜烟叶部位特征.相对于主成分分析(PCA)处理和未经降维处理,采用LDA降维处理的模型识别准确率最高.所构建的基于KNN算法的鲜烟叶部位识别模型,其精确率、召回率、F1分数、准确率均达到0.99,能够较好地识别鲜烟叶着生部位.
文献关键词：
鲜烟叶部位;特征识别;轮廓纹理特征合;线性判别分析;图像识别
中图分类号：
作者姓名：
赵晨;赵浩斌;路晓崇;张晓阳;白涛;毛岚;宋朝鹏;王涛
作者机构：
河南农业大学烟草学院,河南郑州450002;河南省烟草公司,河南郑州450018;山东中烟工业有限责任公司,山东济南250014;云南省烟草公司曲靖市公司,云南曲靖655000
文献出处：
引用格式：
[1]赵晨;赵浩斌;路晓崇;张晓阳;白涛;毛岚;宋朝鹏;王涛-.基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法)[J].河南农业科学,2022(10):161-168
A类：
鲜烟叶部位,轮廓纹理特征合
B类：
线性判别分析,部位识别,采收,LDA,叶进,图像缩放,灰度化,二值化,狭长,轮廓特征,灰度共生矩阵,GLCM,特征降维,近邻算法,KNN,降维处理,分类模型,识别准确率,模型识别,识别模型,精确率,召回率,特征识别,图像识别
AB值：
0.197761
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
