结合LLE流形学习和支持向量机的猪肉颜色分级

猪肉颜色分级是肉品品质无损检测的重要内容。该文通过对猪肉彩色数字图像颜色规律的分析,结合猪肉红(R)、绿(G)、蓝(B)颜色分量及其亮度和饱和度值,构建了一个新的颜色维度。将采集的1070份猪肉图像样本进行专家分级和标记后,给出了猪肉颜色的特征表示,并利用支持向量机(SVM)进行了颜色分级。试验结果表明,随着训练集样本数的增加,分级准确率有所提高。当将所有样本作为训练集时,分级准确率高达96.5%。针对SVM分级后泛化能力不强的问题,采用流形学习LLE维数变换,使其泛化能力由37%提高近1倍。结果表明LLE可有效改善SVM的分级准确率。该方法可为猪肉品质无损检测的研究与应用提供参考。

结合量子技术和FCM的猪肉颜色分级研究

猪肉颜色是猪肉分级评定时的一个重要指标。针对传统中值滤波存在的问题用量子理论的思想对其进行改进,改进算法不仅有较强的去噪效果而且能自适应判断模板内的像素点要不要进行处理从而能较好地保留图像细节信息。利用改进算法结合模糊C聚类(FCM)对猪肉图像进行处理分割,最后提取相应的颜色特征参数,基于这些特征参数运用多元线性逐步回归分析法建立了颜色等级预测模型。在样本测试实验中,所用方法对猪肉颜色等级的正确判定率达到94. 25%,在大幅降低算法复杂度的同时,准确率和鲁棒性都超过了其它同类算法。