基于偏好免疫网络和SVM算法的油茶果多特征识别
2021-01-19陈泽君李立君谭季秋吴发展
农业工程学报 2020年22期
关键词:特征
李 昕,陈泽君,李立君,谭季秋,吴发展
(1.湖南省林业科学院,长沙 410004;2.中南林业科技大学机电工程学院,长沙 410004;3.湖南工程学院机械工程学院,湘潭411104;4.株洲丰科林业装备科技有限责任公司,株洲 412000)
0 引 言
油茶是中国南方重要的经济作物之一,其籽粒可以榨油后食用及工业用,具有巨大的经济价值。中国油茶种植面积和产量有了较大的提升。在油茶全产业生态链中,油茶果实的采摘、脱壳、榨油等环节已经产业化,成为了乡村农业振兴的重点工程与支柱产业。在油茶产业链自动化研究领域,中南林业科技大学与湖南省林业科学研究院课题组在油茶果采摘、脱壳自动化升级环节做了大量的工作。课题组研发了油茶果采摘机器人[1-4],油茶智能脱壳设备[5-6]等自动化产品,为油茶果产业链的自动化进程打下了坚实的基础。
目前国内外学者在农产品的智能分选识别领域已经做出了大量的研究与应用[7-24],Wang等对樱桃图像的RGB特征值进行了分析,设计了一套基于RGB的樱桃色选分级系统[25];Pearson等分析了RGB,HSV,Lab 3种颜色模型,提出了一套基于多特征颜色模型的玉米色选系统[26];赵吉文等对瓜子的灰度特征参数进行了分析,采用灰度带比例作为瓜子的分选特征参数进行分选[27];宋彦等采用了基于形状特征直方图的LS-SVM模型识别并分类了 7个等级的祁门红茶[28]。高震宇等使用卷积神经网络对鲜茶叶进行了分选与分级[29]。王丹丹等将深度卷积神经网络应用于机器人视觉系统之中,进行苹果目标的识别[30]。……
登录APP查看全文
