《表1 不同特征和不同算法下异物水饺的识别率》
为验证本实验的算法性能,与常规方法进行比较。首先,分别提取水饺图像的提取局部二值模式(local binary pattern,LBP)[25]、方向梯度直方图(histogram of oriented gradient,HOG)[26]和Gabor[27]纹理特征,作为识别无异物和异物水饺的特征向量,然后使用BP神经网络[28]、支持向量机(support vector machine,SVM)[29]、KNN分类器、AdaBoost分类器[30]、朴素贝叶斯分类器和决策树分类器对水饺图像进行识别,将识别结果与本实验算法进行对比;同时为了验证本实验CNN模型所提取特征的有效性,使用上述分类器用本实验提取的特征进行重新识别,如表1所示,不同方法对一幅水饺图像的平均识别时间如表2所示。
图表编号 | XD0075207400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 王强、武凯、王新宇、孙宇、杨晓燕、楼晓华 |
绘制单位 | 南京理工大学机械工程学院、南京理工大学机械工程学院、南京理工大学机械工程学院、南京理工大学机械工程学院、南通四方冷链装备股份有限公司、南通四方冷链装备股份有限公司 |
更多格式 | 高清、无水印(增值服务) |