《表2 不同算法分级结果:基于GWO优化SVM的小麦籽粒优劣分级研究》
由表1可以看出,GWO-SVM算法中被正确分级的总数达到了58粒,与人工实际分级结果相比只被分错3个。整体的正检率为95.08%,错检率为4.92%,3种不同等级的小麦籽粒平均正检率达94.41%,错检率为5.59%,由此可见,用GWO-SVM算法对小麦籽粒分级是可行的,达到了小麦籽粒分级预期的效果。由表2可以看出,PSO-SVM算法模型对小麦籽粒样本分级,优等小麦籽粒、中等小麦籽粒和劣等小麦籽粒被正确识别的个数分别为28、17和10,共计识别个数为55,错误分类共计6粒,总计识别正检率为90.16%,错检率为9.84%。平均识别正检率为88.29%,平均错检率为11.71%。SVM算法模型结果显示,优等、中等和劣等小麦籽粒被正确识别的个数分别为26、15和10,正确分类共计51粒,错误分类共计10粒,整体正检率为83.61%,错检率为16.39%,平均正检率为82.66%,平均错检率为17.34%。其中优等小麦籽粒的正检率最高,因为优等小麦籽粒在形态特征、颜色特征和纹理特征上均具有良好的属性,能很好地与中等和劣等小麦籽粒区分开,所以识别率高。而中等小麦籽粒和劣等小麦籽粒在形态、颜色上容易混淆,所以会导致错分,因此中等小麦和劣质小麦的正检率比较低。
图表编号 | XD00218670400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.15 |
作者 | 安娟华、董鑫、王克俭、何振学 |
绘制单位 | 河北农业大学信息科学与技术学院、河北农业大学信息科学与技术学院、河北农业大学信息科学与技术学院、河北农业大学信息科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |