基于主動形狀模型(ASM)的蘋果果形分級方法的研究.pdf

1、蘋果果形是評價(jià)蘋果品質(zhì)的一個重要指標(biāo)。為提高果形判別的準(zhǔn)確度和效率，本研究首次采用主動形狀模型(Active Shape Model，簡稱ASM)的方法進(jìn)行蘋果形態(tài)分級。根據(jù)試驗(yàn)確定蘋果的最佳輪廓特征點(diǎn)數(shù)為36，并對不同形狀的蘋果進(jìn)行計(jì)算機(jī)自動標(biāo)定、校準(zhǔn)，運(yùn)用主成分分析法獲取不同形狀的蘋果模型，然后將模型與實(shí)際蘋果進(jìn)行灰度匹配，提取像素?cái)?shù)目比等特征參數(shù)，實(shí)現(xiàn)蘋果分級。試驗(yàn)中將蘋果分成9個等級，分別為一級果，二級果L，二級果R，二級果U，

2、二級果D，三級果L，三級果R，三級果U，三級果D(L、R、U、D分別為英文單詞Left、Right、Up、Down的首字母，代表左、右、上、下)。神經(jīng)網(wǎng)絡(luò)方法采用基于傅立葉描述子的BP神經(jīng)網(wǎng)絡(luò)，取前9次諧波的輻值作為形狀特征參數(shù)，輸入BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練。應(yīng)用結(jié)果表明：與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)方法相比，基于ASM方法的蘋果果形分級效果較好，判別準(zhǔn)確率高達(dá)95％，且直觀性強(qiáng)、魯棒性好，具有較好的靈活性。
　　 為提高ASM方法的通用性，本