基于一阶统计特征提取与 SVM 分类器的鸡蛋受精识别
计算机视觉与模式识别
2022-09-30 v1 图像与视频处理
摘要
本研究旨在利用支持向量机（SVM）分类器方法识别鸡蛋的受精性。分类基础采用一阶统计（FOS）参数作为识别过程中的特征提取。本研究基于仍属手动（传统）的识别过程而展开。尽管当前识别过程中已有诸多技术，仍待进一步发展。因此，本研究属于图像处理技术领域的进展之一。样本数据采用既往研究的数据集，共计 100 张鸡蛋图像。图像中鸡蛋物体为单一物体。从这些数据中，受精与未受精鸡蛋的分类各为 50 张图像数据。鸡蛋图像数据作为图像处理输入，初始过程为分割。该初始分割旨在依据物体获得裁剪图像。裁剪图像通过灰度化与图像增强方法进行图像预处理以修复。该图像增强方法使用了两种组合方法：限制对比度自适应直方图均衡化（CLAHE）与直方图均衡化（HE）。增强后图像作为使用 FOS 方法进行特征提取的输入。FOS 使用五个参数，即均值、熵、方差、偏度与峰度。这五个参数输入 SVM 分类器方法以识别鸡蛋受精性。实验结果表明，所提识别方法的成功率为 84.57%。因此，本方法的实现可作为未来研究改进的参考。此外，有可能使用二阶特征提取方法来提升其准确度并改进用于分类的监督学习。
引用
@article{arxiv.2201.04063,
title = {Identification of chicken egg fertility using SVM classifier based on first-order statistical feature extraction},
author = {Shoffan Saifullah and Andiko Putro Suryotomo},
journal= {arXiv preprint arXiv:2201.04063},
year = {2022}
}
备注
9 Pages, 5 Figures, 2 Tables