基于主動形狀模型(ASM)的蘋果果形分級方法的研究.pdf

1、蘋果果形是評價蘋果品質(zhì)的一個重要指標。為提高果形判別的準確度和效率，本研究首次采用主動形狀模型(Active Shape Model，簡稱ASM)的方法進行蘋果形態(tài)分級。根據(jù)試驗確定蘋果的最佳輪廓特征點數(shù)為36，并對不同形狀的蘋果進行計算機自動標定、校準，運用主成分分析法獲取不同形狀的蘋果模型，然后將模型與實際蘋果進行灰度匹配，提取像素數(shù)目比等特征參數(shù)，實現(xiàn)蘋果分級。試驗中將蘋果分成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)絡方法采用基于傅立葉描述子的BP神經(jīng)網(wǎng)絡，取前9次諧波的輻值作為形狀特征參數(shù)，輸入BP網(wǎng)絡進行訓練。應用結(jié)果表明：與傳統(tǒng)的BP神經(jīng)網(wǎng)絡方法相比，基于ASM方法的蘋果果形分級效果較好，判別準確率高達95％，且直觀性強、魯棒性好，具有較好的靈活性。
　　 為提高ASM方法的通用性，本