為了準(zhǔn)確分類小麥籽粒為面包小麥或硬粒小麥,采用人工神經(jīng)網(wǎng)絡(luò)（ANN）基于計(jì)算機(jī)視覺的應(yīng)用,依靠多層感知器（MLP）通過高分辨率攝像機(jī),利用圖像處理技術(shù)（IPT）獲取了4維3色5紋理的主要視覺特征;再從12個(gè)主要特征中復(fù)制出21個(gè)視覺特征,將視覺特征的數(shù)據(jù)集作為ANN模型的輸入?yún)?shù)建立了4種輸入數(shù)據(jù)子集的ANN模型。將200粒籽粒中的180粒用于ANN模型訓(xùn)練,20粒用于精度測(cè)試。利用相關(guān)CfsSubsetEval算法對(duì)ANN模型進(jìn)行簡化,確定了對(duì)分類結(jié)果最有效的輸入?yún)?shù)個(gè)數(shù)為7。采用簡化的ANN模型對(duì)20粒樣品進(jìn)行檢測(cè)可準(zhǔn)確分離面包小麥和硬粒小麥的籽粒,平均絕對(duì)誤差（MAE）為9.8×10^-6。本研究提出的基于計(jì)算機(jī)視覺的分類器可以成功對(duì)小麥籽粒進(jìn)行自動(dòng)分類。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 圖像和數(shù)據(jù)采集
    1.1 獲取圖像
    1.2 圖像處理技術(shù)(IPT)
    1.3 采集特征數(shù)據(jù)
2 實(shí)驗(yàn)結(jié)果
    2.1 人工神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)
    2.2 訓(xùn)練和測(cè)試ANN模型
    2.3 測(cè)試結(jié)果及分析
3 結(jié) 論



本文編號(hào)：4011185