基于机器视觉和机器学习技术的鸡胴体质量自动分级方法

目的]为实现对鸡胴体质量等级的非接触在线自动判定,本文提出一种基于机器视觉和机器学习技术的鸡胴体等级在线检测方法。方法]首先用图像采集装置获取鸡胴体图像,对图像进行预处理并提取包括投影面积、胴体长度、轮廓长度、鸡胸长度、鸡胸宽度和鸡胸面积等图像特征参数。在对所得到的数据进行无量纲处理后,再以这6个特征参数为输入、质量为输出,分别利用随机森林(random forest,RF)算法、自适应提升算法(Adaboost,AB)和梯度提升算法(gradient boosting,GB)3种机器学习方法,建立鸡胴体质量等级预测的非线性回归模型,对鸡胴体质量等级进行自动判定。结果]在对鸡胴体质量进行预测时,梯度提升模型的判定系数最大,为0.996 0,明显优于线性模型,也优于其他2种非线性模型;在对鸡胴体质量等级进行判定时,也是梯度提升模型的判定正确率最高,为96%。结论]可利用梯度提升模型对鸡胴体质量和等级进行精确预测和判定。