文章详情

摘要

文章通过利用融合HSV颜色空间和纹理特征的KNN算法实现对马铃薯表皮的准确分类。将采集到的马铃薯表皮图片从RGB颜色空间转换为HSV颜色空间，分别计算色调、饱和度、亮度三个通道的直方图。纹理特征方面采用灰度共生矩阵（Gray Level Co-occurrence Matrix）将图像转换为灰度图像，计算灰度共生矩阵的能量、对比度、相关性和同质性四个特征值，并通过局部二值模式（Local Binary Pattern）计算图像的局部二值模式直方图。最后将这三种特征拼接成一个一维数组作为图像的特征向量，并利用K-近邻（K-Nearest Neighbors）算法实现马铃薯表皮的分类。结果表明，其准确率为95%，平均精确率为91.67%、平均召回率为95%、平均F1-score为92.22%。研究表明，融合后的特征能够显著提高分类准确率，为马铃薯品质检测和分类提供了一种新的有效途径。

关键词

马铃薯表皮分类；HSV颜色空间；纹理特征；灰度共生矩阵；KNN算法

参考文献

1. [1] 崔永伟，杜聪慧，李树君.中国马铃薯种薯产业发展分析与展望 [J].农业展望，2020，16（1）：71-76.
2. [2] 张玉胜，刘洋，高明杰，等.中国马铃薯产品国际竞争力比较分析 [J].农业展望，2020，16（9）：101-106.
3. [3] 姜宏，于永波，章翔峰，等.马铃薯外部品质分级方法综述 [J].科学技术与工程，2022，22（14）：5519-5527.
4. [4] 刘浩，贺福强，李荣隆，等.基于机器视觉的马铃薯自动分级与缺陷检测系统设计 [J].农机化研究，2022，44（1）：73-78.
5. [5] 杨嘉鹏，董荣.机器学习在智慧农业中的应用 [J].农业工程，2024，14（7）：15-21.
6. [6] 唐振三，袁剑龙，康亮河，等.基于图像特征识别的马铃薯薯皮粗糙度分级研究 [J].中国农业科学，2023，56（22）：4428-4440.
7. [7] 贺雨晴，何永宁，经波，等.基于灰度共生矩阵的甘蔗保护区作物种类监测方法 [J].智能城市，2021，7（11）：12-13.
8. [8] 纪娜，何国荣.基于灰度识别的猕猴桃形状疤痕图像纹理特征提取方法 [J].自动化与仪器仪表，2019（1）：159-162.
9. [9] 张金敏，杨添玺.基于LBP与SVM的马铃薯芽眼识别 [J].山东农业大学学报：自然科学版，2020，51（4）：744-748.
10. [10] 杨颖，文小玲，章秀华.基于方向梯度直方图和局部二值模式混合特征的水稻病虫害识别方法研究 [J].河南农业大学学报，2021，55（6）：1089-1096.
11. [11] 刘立，丰洪才，黄清.基于Sobel-LBP的农技知识视频关键帧提取优化算法 [J].湖北农业科学，2022，61（20）：172-178.
12. [12] 陈德强.基于改进KNN算法的图像分类研究 [D].贵阳：贵州民族大学，2020.

基金项目

甘肃农业大学学生科研训练计划项目（编号202416022）

作者简介

刘帅（2003—），男，汉族，甘肃环县人，本科在读，研究方向：数据挖掘、机器视觉；康亮河（1987—），女，汉族，甘肃会宁人，讲师，硕士，研究方向：人工智能算法研究。