《表5 测试分类结果：基于机器视觉的煤矸识别系统设计及试验研究》

  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

《基于机器视觉的煤矸识别系统设计及试验研究》

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

分别以灰度特征、纹理特征及组合特征作为输入进行训练，每次训练均采用经PSO优化后的参数。使用训练后的分类器对剩余的煤和矸石各120组数据进行分类，分类结果见表5。从表中可以看出，以灰度特征或组合特征作为输入所训练产生的分类器具有较好的识别效果，分别能达到95.83%和93.75%，而以纹理特征作为输入的分类准确率只有72.92%。可以看出，分类器输入为灰度特征时比纹理特征具有更高的识别率；而当以灰度特征和纹理特征组合成新向量输入时，分类器识别率反而降低，可能是纹理特征中无效信息的干扰导致识别率降低。