典型文献
基于颜色和纹理特征的花生仁外观品质检测研究
文献摘要：
为了提高对花生仁外观缺陷的在线分类准确率及效率.通过对采集完好、破损、霉变的花生仁RGB图像进行均值位移法、灰度处理以及阈值分割等预处理,研究提取了花生仁HSV颜色空间下的H、S、V各分量的一阶矩和二阶矩共6个颜色特征值,再基于灰度共生矩阵法提取能量、熵、对比度、逆差分矩共4个纹理特征值,构建颜色和纹理结合的特征向量,最后分别采用BP神经网络和SVM分类器对花生仁进行分类识别.结果表明:在花生仁的整体识别准确率上,BP神经网络为96.67％,SVM分类器为97.22％,后者优于前者,在识别时间上BP和SVM分别为2.5 s和1.1 s,识别效率上也是SVM更好,综合识别准确率和效率两方面考虑,优先选择SVM分类器模型来对花生仁进行分类识别.
文献关键词：
花生仁;计算机视觉;颜色特征;纹理特征;BP神经网络;SVM
中图分类号：
作者姓名：
杨露露;秦华伟
作者机构：
杭州电子科技大学机械工程学院,杭州310018
文献出处：
引用格式：
[1]杨露露;秦华伟-.基于颜色和纹理特征的花生仁外观品质检测研究)[J].中国农学通报,2022(27):151-156
A类：
B类：
纹理特征,花生仁,外观品质,品质检测,外观缺陷,在线分类,分类准确率,完好,霉变,RGB,位移法,阈值分割,HSV,颜色空间,一阶矩,二阶矩,颜色特征值,灰度共生矩阵,矩阵法,对比度,逆差,特征向量,分类器,分类识别,识别准确率,综合识别,优先选择,计算机视觉
AB值：
0.362484
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。
