基于支持向量机的柑橘表征缺陷荧光检测

摘要

结合机器学习和图像处理技术对夜间自然环境下的成熟柑橘进行识别与缺陷检测,对柑橘缺陷检测的研究与发展有重要意义.首先本研究利用多光源视觉系统采集夜间自然环境下的柑橘紫外光图像,从图像中获取1500个训练样本,其中80％为训练集,20％为试验集.在SVM模型中,以“2*Cb—Cr”、“4*a—b—L”和“H”为训练特征,所得最终训练模型在试验集的准确率为99.67％.然后利用SVM模型对成熟柑橘区域进行识别与对缺陷进行检测,并输出存在缺陷的柑橘区域标号.本研究识别算法运行平均时间为0.84097s,柑橘区域识别正确率为95.32％,柑橘区域缺陷识别正确率为96.32％,精度为95.24％,召回率为87.91％.研究表明该算法对夜间自然环境下柑橘的识别和缺陷检测有较好的准确性和实时性,为柑橘实时检测提供技术支持.