基于图像融合与机器学习的水果质量分级与信息追溯技术

[复制链接]
查看: 335|回复: 0

4万

主题

4万

帖子

13万

积分

论坛元老

Rank: 8Rank: 8

积分
137733
发表于 2022-3-31 14:33:25 | 显示全部楼层 |阅读模式
目:


雅宝题库答案
****此区域为收费内容****    需支付 1 知识币后可查看,1币=0.01元查看答案


雅宝题库解析:
随着人民生活质量的提升,食品供应正面临从数量到质量的转变。水果作为众多食品种类中的一个分支,在人类日常饮食中占有重要地位。本文以食品质量分级与网络化质量管理为背景,分别对苹果图像融合、果面缺陷检测与特征提取、水果质量分级策略与实施机制、网络化信息追溯管理技术进行了研究与工程实现。主要研究内容如下:1)基于二次区域生长法的果面潜在缺陷检测与分割果面潜在缺陷检测与分割是苹果质量分级的一项重要内容。由于果面彩色条纹复杂,仅凭可见光图像很难解决这一题目。本文利用近红外图像与二次区域生长法,进行果面潜在缺陷检测与分割,从而辅助于后续研究。二次区域生长法具有良好的工程可靠性。2)基于可见光/近红外图像融合的果面特征区域增强人工苹果质量分级往往对果面颜色敏感,却不容易注意到瑕疵与轻微伤。本文利用潜在缺陷分割结果,通过区域像素加权融合等三种方法对可见光/近红外图像进行融合,以增强特征区域。融合后的图像既能保持原有色彩,又能突显果面瑕疵,有助提高分级质量。3)苹果质量分级特征提取苹果质量分级特征是本文的研究重点。本文一方面研究可见光图像与融合图像的颜色特征提取,以实现苹果颜色分级功能。另一方面研究果面缺陷的几何、纹理与三维深度特征,以实现果面缺陷识别,从而进一步提升苹果质量分级效果。本文提出了基于Shape from Shading三维重构的果面深度特征提取方法,并结合几何、纹理特征,克服了真实果面缺陷与果柄、果萼混淆的技术难点,形成了较为有效的苹果质量分级特征。4)针对苹果综合质量分级的分类器设计本文以我国与欧盟的苹果质量分级标准为依据,提出了一种综合考虑果面缺陷与颜色的苹果质量分级策略。对此,根据分类器性能对比实验,确定了以Logistic回归线性分类器与AdaBoost分类器为主体的级联分类器。分级流程清晰,易于苹果自动分级,获得了较为满意的分级效果。最后,本文利用实拍图像进行了果面图像融合与质量分级模拟实验,实验结果表明融合方法有效,特征选择合理,分级性能良好。此外,建立的网络化水果质量信息管理与追溯系统具有较好的实用性。





上一篇:一种新型单相智能卡载波电能表的设计与实现
下一篇:名词术语机器翻译关键技术研究
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩课程推荐
|网站地图|网站地图