《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》

  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GWO优化SVM的小麦籽粒优劣分级研究》

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

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。