果蔬图像识别中的特征提取与分类算法优化

Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v2i3.8656

于聪

保定理工学院

Abstract

在果蔬图像识别中,准确的特征提取和分类算法的优化是提升自动化分级系统性能的关键。基于机器视觉技术,本研究提出了一种针对果蔬外观特征(形状、颜色、纹理)的综合提取方法,结合改进的图像分割和边缘检测技术,有效提取了高质量的特征信息。通过优化传统分类算法,如K-最近邻算法、BP神经网络算法和支持向量机算法,提升了分类精度和速度。实验结果表明,该方法能够在多种果蔬图像识别中实现较高的准确率,为果蔬自动化处理提供了可靠的技术支持。

Keywords

特征提取；分类算法优化；果蔬图像识别；机器视觉；自动分级

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 张兼博,曾云,李想.多策略改进的SSA-VMD和BiLSTM的水泵机组特征识别[J/OL].排灌机械工程学报,1-7[2024-08-20].
[2] 宋世林.基于深度学习的运动想象脑电特征分类算法[D].南京邮电大学,2023.
[3] 许海燕,寇庆康,谢迎娟,等.基于补偿距离估计的光纤振动信号特征提取算法[J].光子学报,2022,51(04):57-67.
[4] 孙志刚,王国涛.基于kNN优化算法的密封电子设备多余物定位技术[J].电子测量与仪器学报,2021,35(03):94-104.
[5] 张漫.基于随机森林的条纹管激光雷达回波分类研究[D].哈尔滨工业大学,2020.

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License