《表2 娃娃菜外观检测分级结果》
由表2可知,基于机器视觉获得的各指标参数应用无监督聚类传统方法K-means、K-medoid及模糊聚类方法Fuzzy C-means(FCM)、The Gath-Geva(GG)进行分级,并呈现良好的分级结果。模糊聚类即在集群簇边界设置不同程度的隶属度(0~1)以识别样品等级,使得当样品在指标边界情况下不会被直接判定为合格或不合格等级,可对其进一步处理。其中分配系数(partition coefficient,PC)衡量簇间的分离程度,传统方法因其硬性划分集群该值为最高值1,该值越趋近于1分簇能力越强;分离熵(classification entropy,CE)衡量簇间模糊程度,系数越小则分簇效果越佳。
图表编号 | XD00209138700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.25 |
作者 | 张展硕、刘苗苗、陆雯沁、游力凡、袁雷明 |
绘制单位 | 温州大学电气与电子工程学院、温州大学电气与电子工程学院、温州大学电气与电子工程学院、温州大学电气与电子工程学院、温州大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |