基于XGBoost算法的烤烟采收成熟度图像识别OA北大核心CSTPCD
【目的】为实现智能精准识别烟叶采收成熟度。【方法】以云烟87为试验材料,利用OpenCV和灰度共生矩阵(GLCM)提取图像特征,构建极限梯度提升(XGBoost)算法模型从而实现对鲜烟叶成熟度识别。【结果】①鲜烟叶图像特征中,R(红,red)、G(绿,green)、B(蓝,blue)分量和ASM(角二阶矩)随着成熟度的增加呈现较为明显的上升趋势,其他图像特征变化不显著;②经F分数(F-score)、AUC值(受试者工作特征曲线与坐标轴之间的面积)和准确率逐步筛选,得出R1(R分量均值)、G1(G分量均值)、B1(B分量均值)、S2(S分量方差)和B2(B分量方差)等5个特征参数,据此建立的XGBoost算法模型对烟叶成熟度识别准确率达到95.85%,比22维特征参数建模的准确率高0.41%,比BP神经网络模型高4.71%。【结论】基于机器视觉下的XGBoost算法可准确、高效地识别鲜烟叶成熟度。
李云捷;陈振国;孙敬国;李建平;冯吉;李亚东;陈娥;孙光伟;
湖北大学生命科学学院,湖北省武汉市武昌区友谊大道368号430062湖北省烟草科学研究院,湖北省武汉市硚口区宝丰二路6号430030
农业科学
图像特征机器视觉XGBoost算法采收成熟度
《中国烟草学报》 2024 (003)
P.85-94 / 10
中国烟草总公司重点科技项目“基于图像精准识别的烟叶智能烘烤关键技术研究与应用”(110202102007);湖北省烟草公司重点科技项目“烟叶调制过程中淀粉、蛋白质降解调控技术研究与应用”(027Y2021-005)。
评论