基于机器视觉的苹果分级中特征参量选择方法.pdfVIP

２０１２年 ６月 农 业 机 械 学 报 第 ４３卷第 ６期 ＤＯＩ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１２．０６．０２２ 基于机器视觉的苹果分级中特征参量选择方法 殷　勇　陶　凯　于慧春 （河南科技大学食品与生物工程学院，洛阳４７１００３） 　　【摘要】　为提高基于数字图像的苹果分级的准确性，常提取多特征信息。然而，使用多特征信息分级时会存 在信息冗余等问题。为此，运用主成分分析（ＰＣＡ）来融合特征参量，并借助Ｗｉｌｋｓ 统计量选择对分级有显著作用 Λ 的主成分；然后依据各特征参量对所选择主成分的贡献率筛选特征参量。Ｆｉｓｈｅｒ判别分析（ＦＤＡ）结果表明：使用所 选择的特征参量进行苹果分级，分级效果明显优于特征选择前，分级正确率和交叉验证正确率分别提高了 ２０％和 １５％。 关键词：苹果　分级　图像处理　特征选择　主成分分析　统计量 中图分类号：ＴＳ２５５；ＴＰ３９１４１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１２）０６０１１８０４ ＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎＭｅｔｈｏｄｆｏｒＡｐｐｌｅＧｒａｄｉｎｇＢａｓｅｄｏｎＭａｃｈｉｎｅＶｉｓｉｏｎ ＹｉｎＹｏｎｇ　ＴａｏＫａｉ　ＹｕＨｕｉｃｈｕｎ （ＣｏｌｌｅｇｅｏｆＦｏｏｄａｎｄＢｉｏｅｎｇｉｎｅｅｒｉｎｇ，ＨｅｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｌｕｏｙａｎｇ４７１００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆａｐｐｌｅｇｒａｄｉｎｇｉｎｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｓｙｓｔｅｍ，ｔｈｅｍｕｌｔｉ ｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎｗａｓｅｘｔｒａｃｔｅｄｆｏｒｄｅｓｃｒｉｂｉｎｇｔｈｅａｐｐｌｅｆｅａｔｕｒｅｓ．Ｈｏｗｅｖｅｒ，ｔｈｉｓｍｅｔｈｏｄｍａｙｒｅｓｕｌｔｉｎ ｉｎｆｏｒｍａｔｉｏｎｒｅｄｕｎｄａｎｃｙａｎｄｓｏｏｎ．Ｓｏ，ｔｈｅｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ）ｗａｓｕｓｅｄｔｏｃａｒｒｙｏｕｔ ｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｏｆｔｈｅｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓ，ａｎｄｗｉｔｈｔｈｅａｉｄｏｆＷｉｌｋｓ ｓｔａｔｉｓｔｉｃｔｈｅｐｒｉｎｃｉｐａｌ Λ ｃｏｍｐｏｎｅｎｔｓ（ＰＣ）ｗｈｉｃｈｃｏｕｌｄｐｒｏｍｏｔｅｇｒａｄｉｎｇｒｅｓｕｌｔｓｗｅｒｅｓｅｌｅｃｔｅｄ．Ｔｈｅｎｓｏｍｅｆｅａｔｕｒｅｓｕｓｅｄｉｎｇｒａｄｉｎｇ ｗｅｒｅｓｅｌｅｃｔｅｄｂａｓｅｄｏｎｔｈｅｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｅｔｏｓｅｌｅｃｔｅｄＰＣ．ＴｈｅｒｅｓｕｌｔｓｏｆＦｉｓｈｅｒｄｉｓｃｒｉｍｉｎａｔｅａｎａｌｙｓｉｓ （ＦＤＡ）ｓｈｏｗｅｄｔｈａｔｔｈｅｇｒａｄｉｎｇｅｆｆｅｃｔｃｏｒｒｅｓｐｏｎｄｉｎｇｔｏｔｈｅｓｅｌｅｃｔｅｄｆｅａｔｕｒｅｓｗａｓｂｅｔｔｅｒｔｈａｎｔｈａｔｏｆａｌｌ ｆｅａｔｕｒｅｓ，ａｎｄｔｈｅｇｒａｄｉｎｇａｃｃｕｒａｃｙａｎｄｔｈｅｃｒｏｓｓｖａｌｉｄａｔｉｏｎａｃｃｕｒａｃｙｒｏｓｅｂｙ２０％ ａｎｄ１５％， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｋｅｙｗｏｒｄｓ　Ａｐｐｌｅ，Ｇｒａｄｅ，Ｉｍａｇｅ，Ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ，Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，Ｓｔａｔｉｓｔｉｃ 果不够可靠、稳定，而使用多特征信息进行分级判 　　引言 ［４～５］ 别 ，分级结果更准确、更可靠