基于 Adaboosting_SVM算法的多特征蛋壳裂纹识别.pdfVIP

第 卷 第 期 华 中 农 业 大 学 学 报 34 2 Vol.34 No.2 年 月 , 2015 3 JournalofHuazhon A riculturalUniversit Mar.2015136~140 g g y 基于Adaboosting_SVM 算法的多特征蛋壳裂纹识别 熊利荣 谢 灿 祝志慧 , 华中农业大学工学院 武汉 430070 , , 摘要 以无裂纹蛋和裂纹蛋为测试对象 采用机器视觉技术和支持向量机等技术手段 分析无裂纹蛋和裂 , , ; , 纹蛋在图像上的差异 提取特征参数 实现蛋壳裂纹的自动识别 针对蛋壳表面的亮斑 对预处理后的图像运行 。 , 消除亮斑算法并进行区域标记 在此基础上 从 个不同视角提取 个能够表征无裂纹蛋和裂纹蛋的特征参 5 13 , ( )、 ( )、 数 分别是图像标记区域参数 区域标记数和标记点数 几何特征参数 长轴和短轴 基于 Freeman链码的形状 ( )、 ( 、 、 、 、 、 ) ( 参数 形状数 纹理特征参数 均值 标准偏差 平滑度 三阶矩 一致性 熵 和频谱特性参数 最大幅值和最大相 )。 , , , 位 采用 Adaboosting算子对上述特征参数进行优化 突出影响因子较大的参数组合 作为 SVM 的输入向量 。 : 、 , 建立蛋壳裂纹的识别模型 结果表明 该方法对蛋壳表面的亮斑 微小裂纹及普通裂纹均具有识别能力 模型正 , 。 确率达 97.5% 符合蛋品企业对蛋壳裂纹检测的精度要求 ; ; ; 关键词 蛋壳 裂纹 机器视觉 支持向量机 中图分类号 ; 文献标识码 文章编号 ( ) S126 TP391.41 A 1000-2421201502-0136-05 , _ 随着中国禽蛋加工业的发展和外贸出口的需 器 提出了基于 Adaboostin SVM 的分类建模方 g , 、 、 , , 要 研究高速 高效 高精度的禽蛋裂纹自动化检测 法 提高分类的精度和运行效率 旨在为实现