- 1、本文档共14页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
以机器视觉分的级文心兰切花之研究
農業機械學刊 第 10 卷第1 期 2001 年 3 月 17
以機器視覺分級文心蘭切花之研究
席友亮 1,李芳繁 2
1. 國立中興大學農業機械工程學系碩士
2. 國立中興大學農業機械工程學系教授,本文通訊作者
摘要
本研究之目的是使用機器視覺技術萃取文心蘭切花之特徵參數,以進行文心
蘭切花之分級。本文使用兩種方法對文心蘭切花進行分級。第一種方法係依據文
心蘭切花分級標準加以分級,所使用之分級參數有花部長、莖部長及分枝數。第
二種方法係使用類神經網路對切花分級,輸入網路的參數有花部投影面積、花部
邊界長度、花部長、莖部長、切花中間部分莖粗以及莖部底端莖粗。第一種分級
方法之分級結果與人工分級結果比較,相符的程度為 72%,而第二種分級方法之
分級結果與人工分級比較,相符程度為 79%。
關鍵詞:文心蘭、分級、機器視覺、類神經網路
ONCIDIUM CUT FLOWER GRADING WITH MACHINE VISION
Yu-Liang Hsi 1, Fang-Fan Lee 2
1. Former Graduate Student, Department of Agricultural Machinery
Engineering, National Chung Hsing University.
2. Professor, Department of Agricultural Machinery Engineering,
National Chung Hsing University, Corresponding Author.
The objective of this study is to use digital image processing techniques to
extract feature parameters of oncidium cut flowers for grading. Two methods were
employed to grade the cut flowers. The first method utilized the length of the flower
part, the length of the stem part, and the number of branches to grade the flowers
according to the grading criteria of oncidium cut flowers. The second method used
an artificial neural network to grade the cut flowers. The projected area of the flower
part, the boundary length of the flower part, the length of the flower part, the length
of the stem part, and the stem diameters of the cut flower in the middle as well as at
the end of the stem were used as the grading input parameters to the neural network.
The grading accuracy of the first method was 72% compared wi
您可能关注的文档
最近下载
- 2024年全国眼视光行业眼镜验光员技能大赛理论参考试题库(含答案).pdf VIP
- 2025年11课《种树郭橐驼传》理解性默写练习(附参考答案) .pdf VIP
- 21个行业审核作业指导书.doc VIP
- 医院加强信息化建设 提高信息化水平工作情况四篇.docx VIP
- 《从局部抗战到全面抗战》部优教学设计.doc VIP
- 施耐德 ATV320 安全功能手册.pdf VIP
- 汉钟压缩机调试技术-hanbell.ppt VIP
- powmax国迈变频器POWSD-E3 交流伺服驱动器随机手册V17.pdf VIP
- 疫源地消毒总则gb19193-2015.docx VIP
- ASTM F1224-89(2004)E1 美国材料与试验协会标准.pdf VIP
文档评论(0)