联合图像最优特征提取及改进RBF神经网络的苹果质量估计

赵敏, 王成荣, 李苒

食品与机械. 2024, 40(02): 125-130+183

食品与机械 ›› 2024, Vol. 40 ›› Issue (02) : 125-130+183. DOI: 10.13652/j.spjx.1003.5788.2023.60140

联合图像最优特征提取及改进RBF神经网络的苹果质量估计

  • 赵敏, 王成荣, 李苒
作者信息 +
History +

摘要

目的:以阿克苏苹果为例，设计一种联合图像最优特征提取和改进RBF神经网络学习的苹果质量估计方法，以克服人工分级称重成本高、误差大的缺陷。方法:首先，建立苹果图像采集系统，得到苹果前景图像信息；其次，设计苹果图像特征集合最佳子集提取策略，将最佳子集提取过程转化为目标函数优化问题，并利用改进的离散蝗虫优化算法进行求解，从而得到最佳苹果图像特征子集；最后，构建基于RBF神经网络学习的苹果质量估计模型，将最佳特征子集作为网络输入，并采用蝗虫优化算法优化配置RBF神经网络超参数，从而实现对苹果质量的有效估计。结果:所提苹果质量估计方法精度更高，质量估计值平均相对误差率为1.23%。结论:该方法可以有效实现苹果质量预估，也能够推广应用到其他类似轴对称形状的水果质量估计。

关键词

苹果 / 图像处理 / 特征提取 / RBF神经网络 / 蝗虫优化算法 / 质量估计 / 精度

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
赵敏, 王成荣, 李苒. 联合图像最优特征提取及改进RBF神经网络的苹果质量估计. 食品与机械. 2024, 40(02): 125-130+183 https://doi.org/10.13652/j.spjx.1003.5788.2023.60140

6

Accesses

0

Citation

Detail
段落导航
相关文章

/

〈 〉