摘要
本发明公开了一种基于机器视觉的粮食质量指标智能检测方法,涉及粮食质量安全检测技术领域,包括,使用高分辨率相机采集粮食样本的上表面和下表面图像,进行预处理,获取预处理后的二维图像,利用卷积神经网络提取二维特征,识别粮食外部缺陷,并应用光散射理论的物理模型分析粮食内部缺陷,获取初步质量评估结果,本发明通过结合卷积神经网络提取二维特征来识别粮食外部缺陷,并应用光散射理论的物理模型分析粮食内部缺陷,从而实现了对粮食内外部质量的全面评估。采用SVM分类器对每颗粮食进行最终质量状态判定,进一步提升了用户体验和工作效率。
技术关键词
智能检测方法
卷积神经网络提取
三维重建模型
高分辨率相机
随机森林
SVM分类器
卷积神经网络设计
图像亮度梯度
卷积神经网络训练
立体视觉
加权融合算法
构建分类模型
损失函数优化
直方图均衡化
点云滤波
报告
压缩特征
系统为您推荐了相关专利信息
风险预测模型
系统集成模块
数据存储模块
算法模块
动态
卫星光学遥感
高时空分辨率
数据融合方法
总量
网格
换挡参数
车辆实时数据
模拟模型
车辆运行数据
油门踏板位置
恶意软件检测方法
随机森林模型
标签特征
训练分类模型
决策树训练
风险预测模型
随机森林模型
数据
格式
广义线性模型