《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木 殷 勇 陶 凯 干慧春 (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 WilksA统计量选择对分级有显著作用 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．O％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)06一O1180·4 FeatureSelection M ethod forAppleGradingBasedonM achineVision Yin Yong Tao Kai Yu Huiehun (College FoodandBioengineering，HenanUniversityo厂ScienceandTechnology，Luoyang471003，China) Abstract Inorderto improve theaccuracy ofapple grading in digitalimage processingsystem ，themulti— featureinformationwasextractedfordescribingtheapplefeatures．However，thismethodmayresultin informationredundancyandSOon．So，theprincipalcomponentanalysis(PCA)wasusedtocarryout information fusion ofthe feature parameters， and with the aid ofW ilks A statistic the principal components(PC)whichcouldpromotegradingresuhswereselected．Thensomefeaturesusedingrading wereselectedbasedon the contribution ratetoselected PC．TheresultsofFisherdiscriminateanalysis (FDA)showedthatthegradingeffectcorrespondingtotheselectedfeatureswasbetterthanthatofall features．and the grading accuracy and the cross—validation accuracy rose by 2．0％ and 1．5％ ． 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 别 ，分级结果更准确、更可靠 。但是在使用多特 苹果分级是苹果市场销售前的一个重要环节 。 征信息进行苹果分级 的过程 中，如不加选择地利用 近几年 ，