刘小英 秦振涛 杨蜀秦

摘要：以新疆绿色无核葡萄干为研究对象，提取颜色、形状等特征值建立稀疏表示数据字典，采用弱匹配追踪算法求得稀疏解，计算每个测试样本在数据字典上的投影，将具有最小残差的等级作为测试样本的级别，并与BP人工神经网络、支持向量机（SVM）识别结果进行比较分析。结果表明，提出的分级方法平均识别率达到96.7%，具有较好的识别率和鲁棒性。这为葡萄干等级识别提供了一种新的有效方法。

关键词：葡萄干；分级；BP神经网络；稀疏表示；识别率；支持向量机（SVM）

中图分类号：TP391 文献标志码：

文章编号：1002-1302（2016）08-0421-03

绿色葡萄干是我国新疆地区的重要特产之一，研究葡萄干品质快速检测技术，对新疆葡萄产业的稳定发展有重要的推动作用。葡萄干品质分为外在品质和内在品质2个部分[1]，内在品质检测主要通过抽样检验完成，外在品质包括色泽、果形、果粒大小、肉质软硬等，机器视觉是实现葡萄干外在品质快速检测的有效途径。目前，对农产品品质检测运用较多的是人工神经网络、人工蜂群模糊聚类方法、极限学习机神经网络等[2-3]，而唐晶磊等应用人工神经网络对葡萄干分级技术进行了相关研究[4]。稀疏表示方法是一种新的模式识别方法，近年来在计算机视觉检测中应用比较广泛。有研究表明，稀疏表示方法在車辆检测、害虫图像识别、交通标志分类识别、人脸识别中获得较好的识别性能[5-8]。试验以新疆绿色无核葡萄干为研究对象，在提取葡萄干特征参数的基础上，利用稀疏表示方法对葡萄干等级进行检测，为葡萄干的等级识别提供一种新的方法。……