基于K-means聚类的苹果图像处理与分级设计

来源 :计算机与数字工程 | 被引量 : 59次 | 上传用户：sdgvf43g43g3

【摘要】

：

以图像处理技术为基础,根据苹果分级标准展开红色着色比、缺陷检测、果径测量的模型设计研究。首先将苹果图像转换到YCbCr颜色空间,借助K-means聚类算法、OTSU最大类间方差法得到最优分阈值,将灰度图转换为二值图。使用大小为10的模版对图片做闭预算,并填充内部小孔洞,得到的白色的果实区域,从而实现果体与背景区域的有效分割。随后通过Gamma变换将苹果图像中灰度值区间拉伸,建立苹果颜色分级模型;在

【作者】

：

张婧婧程芸涛达新民

【机构】

：

新疆农业大学计算机与信息工程学院

【出处】

：

计算机与数字工程

【发表日期】

：

2021年08期

【关键词】

：

K-MEANS聚类轮廓分割 Gamma变换 OTSU算法 YCBCR颜色空间

【基金项目】

：

新疆维吾尔自治区自然科学基金项目(编号:2018D01A17)资助。

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于YOLO算法的无人机航拍图像车辆目标检测系统研究

为了解决航拍图像地面车辆目标实时检测和识别的问题,引入先进的人工智能技术,设计了一种基于深度学习的无人机航拍图像车辆目标检测嵌入式GPU系统。论文首先基于YOLOv3算法实现地面车辆目标检测技术,在GPU服务器上对地面车辆目标进行离线训练,通过自学习和迭代优化网络神经元权重,得到针对特定应用场景的网络模型;然后在嵌入式GPU平台上部属训练好的网络模型,实现无人机航拍图像的实时在线检测。实验结果表明

期刊

深度学习目标检测卷积神经网络嵌入式系统图形处理器

基于数据挖掘的空气质量预测模型研究

在日益积累的空气质量大数据背景下,面对复杂多变的空气质量状况,文章从数据挖掘技术在空气质量时序数据上的应用角度出发。在时序样本数据清洗后,采用传统自回归移动平均模型对空气质量数据进行研究,分析数据的平稳性、季节性,差分平稳化数据,通过推导求证建立模型进行拟合预测。随后,在时序研究的基础上构建了基于门控循环网络的空气质量预测模型。并通过实验证明了基于循环神经网络的模型较传统模型在预测精度上的提升,在预测步长上也有很大的优势,并具有很好的实际应用价值。

期刊

数据挖掘ARIMAGRU网络预测模型

基于K-means聚类的苹果图像处理与分级设计

其他学术论文