基于图像处理与机器学习的杏品种分类
计算机视觉与模式识别
2019-12-30 v1
摘要
杏作为野生杏（Zerdali）的栽培类型，在人类营养中占有重要地位，其药用特性对人类健康至关重要。本研究的目标是利用杏果实的外部特征，通过图像处理技术建立杏质量模型并区分杏品种。本研究使用了五个杏品种。为确定果实尺寸，定义了三个相互垂直的轴：长度、宽度和厚度。测量表明，品种对所有性状的影响在 1% 概率水平上统计显著。此外，图像处理法估计的尺寸与实际尺寸无显著差异。所开发的系统由数码相机、光扩散室、距离调节基座和个人计算机组成。数码相机拍摄的图像以（RGB）格式存储以供进一步分析。每个栽培品种取 49 个样本，从三个方向拍摄图像。推荐采用线性方程基于长度和宽度计算杏质量，R^2 = 0.97。此外，结合 C-means 的 ANFIS 模型是基于长度、宽度、厚度、质量及三个垂直表面投影面积等物理特征对杏品种分类的最佳模型。该模型准确率为 87.7%。
引用
@article{arxiv.1912.11953,
title = {Apricot variety classification using image processing and machine learning approaches},
author = {Seyed Vahid Mirnezami and Ali HamidiSepehr and Mahdi Ghaebi},
journal= {arXiv preprint arXiv:1912.11953},
year = {2019}
}