论文部分内容阅读
随着信息技术的快速发展,已经将视觉技术广泛地应用于食品的加工、分类与检测中,但对茶青进行分类还很少有相关的研究与应用。目前的茶青分级是通过传统的鲜叶分级机对茶叶进行初级分类,但其分类的精度并不是很高,由于茶青的纹理特征鲜明,使得将纹理分析应用于茶青的分类成为可能。本文的研究内容如下:(1)茶青图像的预处理的研究。首先选择了加权平均值法进行灰度化,然后采用了中值滤波进行去噪处理。(2)茶青纹理特征值提取方法的研究。本文根据茶青纹理无规则性特点,选择了基于统计法的灰度共生矩阵(Gray level co-occurrence matrix GLCM)提取茶青的纹理特征,并提取出方向为00、450、900、135。,像素距离为10至60之间的茶青纹理能量、对比度、相关性、逆差距四个特征值,并详细对其提取效果进行了分析。(3)基于LS-SVM分类器的茶青分类的研究。本文采用了最小二乘SVM(Least Squares Support Vector Machine LS-SVM)作为茶青的分类器,并提出将纹理特征值相结合作为LS-SVM的特征向量进行茶青的训练与分类。分类器中核函数选择了径向基核函数(Radial Basis Function RBF),其参数及惩罚因子是先用网格搜索来选择参数对,然后用多次交叉验证法对目标函数进行寻优来确定,学习训练算法通过自适应序贯最小优化算法(Sequential Minimal Optimization SMO)来实现,并采用了一对一方法进行多类分类。最后进行了实验分析,实验表明,将GLCM及LS-SVM相结合应用于茶青的分类中,能够取得很好的分类效果,其准确率能够达到96%以上,本课题研究具有较高的理论意义及现实意义。图43个,表