论文部分内容阅读
灵武长枣作为宁夏灵武市的主要栽植品种,是目前宁夏枣类的主导品种,枣果行业的不断发展带动了以灵武长枣为原材料的相关产业的发展。目前灵武长枣成熟度分级主要依靠人工完成,但随着种植面积的不断增加人力成本的不断提高以及计算机技术的快速发展,本课题为将机器视觉技术应用于灵武长枣果实成熟度的分级研究。首先,结合灵武长枣相关国家标准、地方标准、行业标准、企业标准和果农标准制定灵武长枣成熟度分级标准。然后,通过对向阳面灵武长枣图像进行颜色特征分析,确定以(R-G)/(R+G)、(R-G)／(G-B)和H均值分量作为灵武长枣成熟度分级的特征分量,并在此基础上完成了基于颜色特征、BP神经网络和支持向量机算法的灵武长枣成熟度分级研究。结果表明基于颜色特征的灵武长枣成熟度分级准确率为83%,BP神经网络分级准确率为89.8%,支持向量机的分级准确率为87.5%。其中BP神经网络参数设置复杂,程序运行时间长；支持向量机模型更适用于小样本训练集并且分级速度比BP神经网络算法快。第三,提出了一种基于压缩感知理论的灵武长枣成熟度分级算法,对训练样本提取特征分量建立字典矩阵,选取灵武长枣成熟度图像作为测试样本,利用对偶增广拉格朗日(DALM)算法对L1范数问题进行求解,从而得到待测样本在样本字典下的稀疏表示,通过构造分类函数实现灵武长枣的成熟度分级,其分级准确率高达94.5%。最后,分别从误识率、分级准确率和算法复杂度三个方面对四种成熟度分级算法进行比较,结果表明基于压缩感知理论的算法是一种综合性能最优的成熟度分级算法。开发完成了基于颜色特征、BP神经网络、支持向量机和压缩感知理论实现灵武长枣成熟度分级的软件系统。