基于BP神经网络的水果分级研究

文章介绍了一种基于BP神经网络的水果分级方法。采用数字图像处理的方法对图像进行预处理,选择水果表面颜色的均值和方差来表示水果的颜色特征,采用一个与水果目标具有同样二阶矩的椭圆来近似表示水果的形状,简化了果形描述的复杂程度。通过RP算法训练,可以得到一个具有9个隐层神经元的BP神经网络结构参数。试验表明:采用该模型对水果等级进行分级,平均正确率为92.5%,分级一个水果的时间为10.3 ms。说明采用BP神经网络技术可实现对水果等级的自动判定,该方法具有正确率高、实时性好的特点。     

基于惯性主轴的水果姿态检测

介绍了一种基于惯性主轴的水果分级目标姿态检测方法.采用计算惯性主轴的方法求取水果的果轴信息,在测试台上通过增加一个反光镜面的方法获取同一水果两个视角的图像,分别求出各图像的惯性主轴,据此获取空间水果目标的姿态.结果表明,正投影果轴倾角实测值与计算值的平均误差为4.4°,果轴检测正确率为86％,果轴与测试台夹角实测值与计算值的平均误差为5.9°,该方法可有效检测分级生产中水果的姿态.