基于小波神经网络的柑橘pH机器视觉检测

被引：3

作者：

曹乐平 ^{[1
]}

温芝元 ^{[2
]}

陈理渊 ^{[3
]}

机构：

[1] 不详

[2] 湖南生物机电职业技术学院

[3] 不详

[4] 湖南农业大学理学院

[5] 中南大学信息科学与工程学院

[6] 不详

来源：

中国农业科学 | 2008年 / 11期

关键词：

柑橘; pH; 小波神经网络; 图像处理;

D O I：

暂无

中图分类号：

S666.2 [橘]; S126 [电子技术、计算机技术在农业上的应用];

学科分类号：

082804 ;

摘要：

【目的】研究涟红温州蜜柑pH的机器视觉检测及影响检测精度的因素。【方法】对机器视觉系统采集的柑橘图像进行图像裁切、RGB空间至HSI空间的转换和差值法去图像背景,用色调H和饱和度S为输入,建立小波神经网络柑橘pH预测模型,无损检测柑橘pH。【结果】30个测试样本的检测结果表明,预测偏差最大值为9.95%、偏差最小值为-3.6%、平均偏差为0.8%、标准偏差为2.95%,pH±0.1精度内的正确识别率为80%,pH±0.2精度内的正确识别率为93.33%。【结论】涟红温州蜜柑pH与果皮色泽之间具有相关性,可用机器视觉检测其pH。但进一步提高预测精度,首先须在图像处理环节上去除各种虫斑与病斑的影响。

引用

页码：3741 / 3745

页数：5

共 13 条

[1] 基于小波神经网络的与文本无关说话人识别方法研究
白莹
赵振东
戚银城
王斌
郭建勇
[J]. 电子与信息学报, 2006, (06) : 1036 - 1039
[2] 用于柑桔成熟度无损检测的色度频度序列法研究
应义斌
徐惠荣
徐正冈
[J]. 生物数学学报, 2006, (02) : 306 - 312
[3] 柑橘成熟度机器视觉无损检测方法研究
应义斌
饶秀勤
马俊福
[J]. 农业工程学报, 2004, (02) : 144 - 147
[4] 基于颜色分形的水果计算机视觉分级技术
冯斌
汪懋华
[J]. 农业工程学报, 2002, (02) : 141 - 144
[5] Non-destructive grading of peaches by near-infrared spectrometry[J] . G. Carlomagno,L. Capozzo,G. Attolico,A. Distante.Infrared Physics and Technology . 2004 (1)
[6] Construction of a Morlet wavelet power spectrum
Shyu, HC
Sun, YS
[J]. MULTIDIMENSIONAL SYSTEMS AND SIGNAL PROCESSING, 2002, 13 (01) : 101 - 111
[7] Light penetration properties of NIR radiation in fruit with respect to non-destructive quality assessment
Lammertyn, J
Peirs, A
De Baerdemaeker, J
Nicolaï, B
[J]. POSTHARVEST BIOLOGY AND TECHNOLOGY, 2000, 18 (02) : 121 - 132
[8] Machine vision based quality evaluation of Iyokan orange fruit using neural networks[J] . Naoshi Kondo,Usman Ahmad,Mitsuji Monta,Haruhiko Murase.Computers and Electronics in Agriculture . 2000 (1)
[9] An aroma sensor for assessing peach quality
Molto, E
Selfa, E
Ferriz, J
Conesa, E
Gutierrez, A
[J]. JOURNAL OF AGRICULTURAL ENGINEERING RESEARCH, 1999, 72 (04): : 311 - 316
[10] X-ray computed tomography for internal quality evaluation of peaches
Barcelon, EG
Tojo, S
Watanabe, K
[J]. JOURNAL OF AGRICULTURAL ENGINEERING RESEARCH, 1999, 73 (04): : 323 - 330

← 1 2 →