《表2 分割结果对比:基于超像素特征的苹果采摘机器人果实分割方法》
实验选取3.2节中用于测试的100幅图像并对图像中的果实和背景进行人工标记,然后分别采用色差法、BPNN分割方法以及本文方法对图像进行分割,并且与人工标记的图像进行对比,分别计算分割后图像准确率V、召回率W和一幅图像的平均分割时间T,结果如表2所示。从表中可以看出,无论是V还是W,本文所述方法都显著优于其他算法。色差法由于只采用了单个像素的颜色特征,对不同景物的分辨能力不足,因此存在较多的误识别和漏识别,从而导致V和W在三者中最低。基于BPNN的分割方法,通过综合邻域像素的颜色特征提高对不同景物的分辨能力。而本文提出的方法以超像素为单位对图像进行分割,不仅能够提取颜色特征,还能够方便地提取纹理特征,从而进一步提高分割效果。但是从三者的运行时间对比可以看出,色差法因为运算简单,运行速度最快并超出其他算法一个数量级;基于BPNN的分割方法因为需要重复提取邻域像素的图像特征,运行效率不高,因此较本文方法稍慢。总体来说,本文方法虽然运算复杂,但是检测精度高且基本满足实时性需求。
图表编号 | XD00109889900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 刘晓洋、赵德安、贾伟宽、阮承治、姬伟 |
绘制单位 | 江苏大学电气信息工程学院、江苏大学电气信息工程学院、山东师范大学信息科学与工程学院、武夷学院机电工程学院、江苏大学电气信息工程学院 |
更多格式 | 高清、无水印(增值服务) |