基于PCA-SVM算法的马铃薯形状分选

作者：许伟栋^*; 赵忠盖

来源：控制工程, 2020, 27(02): 246-253.

DOI：10.14107/j.cnki.kzgc.170617

• 马铃薯
• 机器视觉
• 形状分选
• 主成分分析
• 支持向量机
• 网格搜索

马铃薯形状是马铃薯分级的重要指标之一,本文利用机器视觉技术根据形状对马铃薯进行分选。提出一种结合主成分分析-支持向量机(PCA-SVM)算法的马铃薯形状分选方法。该方法提取单个马铃薯区域内11维表征形状的特征向量,并利用主成分分析(PCA)法对特征向量进行降维,提取出形状的主成分特征,然后,将主成分特征带入支持向量机(SVM)进行建模,并利用网格搜索法(GS)对SVM进行参数优化。检测中,采用十折交叉验证(CV)算法依次将马铃薯样品图片带入PCA模型和参数优化好的SVM模型,实现对马铃薯的分类。实验结果显示,提出的算法具有较强的可行性,分选速度快且准确率达97.3%,能用于马铃薯自动化分级。

• 单位
  江南大学