基于机器学习的缺陷咖啡生豆检测

为实现缺陷咖啡生豆无损、快速及准确检测,提高咖啡生豆品质及咖农经济效益,提出基于局部二值模式(LBP)的多模型Stacking集成缺陷咖啡生豆检测方法。该方法采用机器视觉技术提取咖啡生豆(8,1)和(16,2)2种尺度、3种算子(统一算子、旋转不变算子、旋转不变统一算子)下的LBP特征向量,并联合同种算子下不同尺度的LBP特征,选用LightGBM、XGBoost、CatBoos、SVM作为基分类器,Logistics作为次级学习器进行Stacking模型集成。结果表明,采用(8,1)尺度统一算子Stacking集成模型检测的准确率和F1值分别为91.9%、92.3%,均高于其他尺度、算子和不同类型特征的检测模型。与LightGBM、XGBoost、CatBoost、SVM相比,Stacking集成检测模型的准确率分别提高了0.6%、1.7%、2.0%、1.2%,整体检测性能更优。