基于计算机视觉核桃质量预测方法的研究

为研究核桃质量在线检测的方法,以"礼品2号"核桃为样本,构建图像采集系统采集样本图像信息,对图像进行预处理、形态逻辑学算法获取样本投影面积,并建立最小二乘支持向量机(LS-SVM)和多项式回归方程质量预测模型。结果表明,LS-SVM质量预测模型相关系数为0.897 4,相对误差均值为6.5%;一元二次多项式回归方程质量预测模型决定系数为0.857 207,相对误差均值为5.9%,均满足在线质量检测要求。基于计算机视觉技术实现对核桃质量的预测,为实现核桃在线分选提供理论基础。     

鲜枣内部综合品质光谱评价指标建立与分析

为实现鲜枣内部综合品质的在线无损快速检测,利用可见/近红外光谱漫反射技术,针对完熟期壶瓶枣的内部品质,包括含水率、可溶性固形物含量、硬度、可溶性蛋白质含量、维生素C含量5项指标,分别采用竞争性自适应重加权算法(CARS)提取特征波长并建立最小二乘-支持向量机(LS-SVM)预测模型,硬度预测模型的相关系数和均方根误差分别为0.945 2和41.684 9,其余品质预测模型的相关系数均在0.923 0及以上、均方根误差均在3.779 2及以下。在此基础上,对5项品质指标进行了相关性分析,表明在0.01或0.05水平上两两指标间存在极显著或显著的相关性,故采用因子分析法构建了内部综合品质评价指标,建立了CARS-LS-SVM预测模型,结果表明该模型的相关系数和均方根误差分别为0.924 1和6.063 5,预测精度较高。研究表明,所建立的CARS-LS-SVM模型可有效实现鲜枣内部综合品质的评价。