典型文献
基于机器学习算法的缺损米粉块在线快速检测
文献摘要：
目的:实现缺损米粉块的快速在线检测.方法:提出运用机器学习算法对缺损米粉块检测数据进行分析.通过相机对米粉块进行非接触式数据采集,图像上传及处理后,获取米粉块的轮廓周长和面积、近似轮廓的周长和面积、近似轮廓点数、轮廓外接圆半径6个特征数据,依据米粉块样本数据特点,运用支持向量机(SVM)分类算法对米粉块的多特征数据组成的样本集进行分析.结果:通过与5种算法测试对比,GBDT分类算法平均准确率89％,用时1.10 s;KNN分类算法平均准确率88％,用时0.23 s;Logistic Regression分类算法平均准确率88％,用时0.68 s;Random Forest分类算法平均准确率87％,用时0.47 s;tree分类算法平均准确率87％,用时0.084 s;SVM分类算法检测平均准确率最高,达95％,平均用时最短,为0.000 97 s.结论:利用SVM分类算法进行米粉块缺损检测准确率高、用时短,适用于生产线的在线检测.
文献关键词：
机器学习;支持向量机;米粉块;缺损检测
中图分类号：
作者姓名：
谭卢敏;冯新刚
作者机构：
江西理工大学应用科学学院,江西赣州 341000
文献出处：
引用格式：
[1]谭卢敏;冯新刚-.基于机器学习算法的缺损米粉块在线快速检测)[J].食品与机械,2022(05):78-81,86
A类：
米粉块,缺损检测
B类：
基于机器学习,机器学习算法,在线快速检测,在线检测,出运,检测数据,非接触式,周长,外接圆,特征数据,分类算法,多特征,样本集,算法测试,GBDT,平均准确率,KNN,Regression,Random,Forest,tree,检测准确率,生产线
AB值：
0.213151
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。
