面向天然食品产品的神经网络分类器
计算机视觉与模式识别
2015-07-10 v1
摘要
开发、改进并评估了两套廉价、现成的机器视觉系统 (MVS)，每套系统均采用人工神经网络 (ANN) 作为分类器，分别用于番茄成熟度与鸡蛋可接受度的自动分级。使用 6000 张人工分级的番茄彩色图像与 750 张人工分级的鸡蛋图像，对多个多层 ANN 进行了训练、测试与验证。这些 ANN 以去除背景图像的光谱模式作为输入，输出产品的相应等级。在两套 MVS 中，均通过启发式方法自动选择验证率最高的 ANN，并将其性能与人工分级员的性能进行比较。在验证集上，MVS 对番茄与鸡蛋数据的正确分级率分别为 97.00% 与 86.00%，而测得的人工分级员对番茄与鸡蛋分级的日均正确率分别为 92.65% 与 72.67%。结果表明，基于 ANN 的 MVS 是人工分级的一种潜在替代方案。
引用
@article{arxiv.1507.02346,
title = {Neural Network Classifiers for Natural Food Products},
author = {Jaderick P. Pabico and Alona V. De Grano and Alan L. Zarsuela},
journal= {arXiv preprint arXiv:1507.02346},
year = {2015}
}
备注
8 pages, 5 figures, appeared in H.N. Adorna, R.E.O. Roxas, and A.L. Sioson (eds.) Proceedings of the 12th Philippine Computing Science Congress (PCSC 2012), De La Salle Canlubang, Bi\~nan, Laguna, Philippines, 01-03 March 2012