基于近红外光谱和机器视觉融合技术的板栗缺陷检测

编号 zgly0000754594

文献类型 期刊论文

文献题名 基于近红外光谱和机器视觉融合技术的板栗缺陷检测

学科分类 220.45;经济林学

作者 展慧  李小昱  周竹  汪成龙  高云 

作者单位 华中农业大学工学院 

母体文献 农业工程学报 

年卷期 2011,27(2)

页码 345-349

年份 2011 

分类号 TP391.41 O657.33 

关键词 农产品  神经网络  机器视觉  近红外光谱  板栗 

文摘内容 为提高合格和缺陷板栗分级检测识别精度,提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺陷检测方法。试验以湖北京山板栗为试验对象,利用BP神经网络方法建立了基于近红外光谱、机器视觉和多源信息融合技术的板栗分级检测模型。试验结果表明,3种识别模型对对训练集板栗回判率分别为96.25%、96.67%和97.92%;对测试集板栗的识别率为86.25%、83.75%和90.00%。基于近红外光谱和机器视觉的多源信息融合技术进行板栗分级检测的方法是可行的,融合模型较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高。