基于监督正交局部保持映射的植物叶片图像分类方法

针对传统的线性分类方法不能有效处理复杂、多变和非线性的植物叶片图像,在局部保持映射算法的基础上,提出了一种监督正交局部保持映射算法,并应用于基于植物叶片图像分类中。该算法首先利用Warshall算法计算样本的类别矩阵,在此基础上充分利用样本的局部信息和类别信息构造类间散度矩阵和类内散度矩阵,使得维数约简后,在低维子空间同类样本之间的距离变小,而不同类样本之间的距离增大,由此提高了该算法的分类能力。最后,利用K-最近邻分类器进行植物分类。与经典的监督子空间维数约简方法相比,该方法在构建类内和类间散度矩阵时不需要判别数据的类别信息,能够提高算法的分类性能。在公开植物叶片图像数据库上进行了一系列植物叶片分类试验,平均正确识别率高达95.92%。试验结果表明了该算法在植物分类中的可行性。

基于计算机视觉的茶叶品质在线评价系统

为实现茶叶品质在线评价及自动分级,摒除茶叶品质人工感官审评存在的缺陷,本文研发一套基于计算机视觉技术的茶叶品质在线评价及自动分级系统。采用Open CV和Visual C++开发茶叶品质在线评价软件,结合监督正交局部保持投影方法(supervised orthogonal locality preserving projections,SOLPP)对图像特征变量进行降维处理,对比随机森林(random forest,RF)、反向传播神经网络(back-propagation artificial neural network,BPANN)和相关向量机(relevance vector machine,RVM)茶叶品质在线评价模型,得出随机森林算法所建模型性能最好。系统自动完成茶样图像采集、原始图像预处理、特征提取、基于所建模型对待检茶样进行等级评价。控制系统根据评价结果,驱动分级及收集装置将检测茶样输送到相应等级槽中。经测试,研发系统对市售婺源仙芝绿茶、碧螺春绿茶的分级准确率达到93.00%以上。本系统结构简单,运行稳定,能将待检茶样准确送入到相应等级槽中,满足茶叶等级在线评价要求。