《表3 基于机器视觉的皮蛋分级结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《利用机器视觉与近红外光谱技术的皮蛋无损检测与分级》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将得到的主成分输入到GA-SVM模型中进行训练。建立GA-SVM模型时，采用RBF核函数和遗传算法全局寻优。若对3种等级皮蛋进行三分类时，把601个样本随机分为训练集421个，测试集180个，测试集识别率仅为75.00%。从图3可以看出可食用的优质蛋、次品蛋与不可食用的劣质蛋图像差异大，故对只包含优质蛋和劣质蛋的试验样本分类，训练结果如表3所示，把410个样本随机分为训练集287个，测试集123个，测试集识别率为97.56%。把只包含次品蛋和劣质蛋的391个试验样本，随机分为训练集274个，测试集117个，测试集识别率为93.16%，均高于90%。试验结果表明机器视觉技术可以将皮蛋分为可食用蛋（优质蛋和次品蛋）与不可食用蛋（劣质蛋）。