期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的缺陷咖啡生豆检测
1
作者
赵玉清
贾奥莹
+4 位作者
王天允
焦雨杰
吴思婷
李嘉舜
张悦
《自动化应用》
2024年第11期1-6,共6页
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...
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。
展开更多
关键词
机器视觉
局部二值模式特征
缺陷咖啡生豆
Stacking集成
检测模型
下载PDF
职称材料
题名
基于机器学习的缺陷咖啡生豆检测
1
作者
赵玉清
贾奥莹
王天允
焦雨杰
吴思婷
李嘉舜
张悦
机构
云南农业大学机电工程学院
昆明理工大学交通工程学院
云南农业大学大数据学院
云南省作物生产与智慧农业重点实验室
出处
《自动化应用》
2024年第11期1-6,共6页
基金
云南省重大科技专项计划项目(202002AE090010)
云南省科技厅农业联合专项项目(202301BD070001-105)
云南省作物生产与智慧农业重点实验室开放项目(202105AG070007)。
文摘
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。
关键词
机器视觉
局部二值模式特征
缺陷咖啡生豆
Stacking集成
检测模型
Keywords
machine vision
LBP feature
defective green coffee beans
Stacking integration
detection model
分类号
TP39 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的缺陷咖啡生豆检测
赵玉清
贾奥莹
王天允
焦雨杰
吴思婷
李嘉舜
张悦
《自动化应用》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部