|本期目录/Table of Contents|

[1]李红娟,杨颖辉.基于混沌多宇宙算法的苹果表面缺陷检测研究[J].江苏农业科学,2017,45(15):202-205.
　Li Hongjuan,et al.Apple surface defect detection based on chaotic multi universe algorithm[J].Jiangsu Agricultural Sciences,2017,45(15):202-205.
点击复制

基于混沌多宇宙算法的苹果表面缺陷检测研究(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第45卷
期数:
2017年15期
页码:
202-205
栏目:
农业工程与信息技术
出版日期:
2017-08-05

文章信息/Info

Title:
Apple surface defect detection based on chaotic multi universe algorithm
作者:
李红娟;  杨颖辉
河南牧业经济学院信息与电子工程学院，河南郑州 450045
Author(s):
Li Hongjuan; et al
关键词:
混沌; 多宇宙; 苹果表面; 缺陷检测; 仿真试验; 检测准确率
Keywords:
-
分类号:
TP391
DOI:
-
文献标志码:
A
摘要:
采用混沌多宇宙算法，提高苹果表面缺陷检测的质量。首先建立单宇宙、多宇宙结构，多个单宇宙群组成超单宇宙群；接着超单宇宙群信息交流通过自适应策略选择宇宙个体，Logistic映射对选中的宇宙个体进行混沌优化；然后采用改进OTSU算法进行苹果缺陷区域目标分割，分割区域内像素纹理信息作为苹果提取特征；最后给出了算法流程。试验仿真显示，该算法对苹果表面缺陷检测效果清晰，各种缺陷检测准确率比较高。
Abstract:
-

参考文献/References:

［1］程荣花，马飞，石梦. 基于颜色特征的苹果表面质量检测系统设计与实现［J］. 辽宁农业科学，2014(3)：22-24.
［2］Leemans V，Destain M F. A real-time grading method of apples based on features extracted from defects［J］. Journal of Food Engineering，2004，61(1)：83-89.
［3］马晓丹，刘刚，周薇，等. 基于量子遗传模糊神经网络的苹果果实识别［J］. 农业机械学报，2013，44(12)：227-232，251.
［4］Linker R，Cohen O，Naor A. Determination of the number of green apples in RGB images recorded in orchards［J］. Computers and Electronics in Agriculture，2012，81(1)：45-57.
［5］Keresztes J C，Goodarzi M，Saeys W. Real-time pixel based early apple bruise detection using short wave infrared hyperspectral imaging in combination with calibration and glare correction techniques［J］. Food Control，2016，66(1)：215-226.
［6］刘晓红，曲志坚，曹雁锋，等. 基于自适应机制的多宇宙并行量子衍生进化算法［J］. 计算机应用，2015，35(2)：369-373.
［7］Yu F，Li P，Gu K，et al. Research progress of multi-scroll chaotic oscillators based on current-mode devices［J］. Optik-International Journal for Light and Electron Optics，2016，127(13)：5486-5490.
［8］Zhu Q B，Guan J Y，Huang M，et al. Predicting bruise susceptibility of ‘Golden Delicious’ apples using hyperspectral scattering technique［J］. Postharvest Biology and Technology，2016，114(4)：86-94.
［9］Lu Y Z，Li R，Lu R F. Structured-illumination reflectance imaging (SIRI) for enhanced detection of fresh bruises in apples［J］. Postharvest Biology and Technology，2016，117(7)：89-93.
［10］Ferrari C，Foca G，Calvini R，et al. Fast exploration and classification of large hyperspectral image datasets for early bruise detection on apples［J］. Chemometrics and Intelligent Laboratory Systems，2015，146(8)：108-119.
［11］Zhang B H，Huang W Q，Gong L，et al. Computer vision detection of defective apples using automatic lightness correction and weighted RVM classifier［J］. Journal of Food Engineering，2015，146(2)：143-151.
［12］Li C Y，Heinemann P，Sherry R. Neural network and Bayesian network fusion models to fuse electronic nose and surface acoustic wave sensor data for apple defect detection［J］. Sensors and Actuators B-Chemical，2007，16(1)：301-310.
［13］张保华，黄文倩，李江波，等. 基于亮度校正和AdaBoost的苹果缺陷在线检测［J］. 农业机械学报，2014，45(6)：221-226.
［14］李江波. 脐橙表面缺陷的快速检测方法研究［D］. 杭州：浙江大学，2012.

相似文献/References:

[1]王洪涛,荆园园.基于特征点混沌算法的农产品图像数字水印实现[J].江苏农业科学,2017,45(04):179.
　Wang Hongtao,et al.Realization of agriculture products image watermarking based on feature and chaos algorithm[J].Jiangsu Agricultural Sciences,2017,45(15):179.

备注/Memo

备注/Memo:
收稿日期：2016-08-19
基金项目：河南省教育厅高等学校重点科研项目(编号：15A520076)。
作者简介：李红娟(1981—)，女，山西平陆人，硕士，讲师，主要研究方向为网络管理与安全。E-mail：llaiyang2008@foxmail.com。
更新日期/Last Update: 2017-08-05