[發(fā)明專利]一種基于SSA-ELM算法的豬肉新鮮度檢測(cè)分類方法在審
| 申請(qǐng)?zhí)枺?/td> | 202010718310.2 | 申請(qǐng)日: | 2020-07-23 |
| 公開(公告)號(hào): | CN111950564A | 公開(公告)日: | 2020-11-17 |
| 發(fā)明(設(shè)計(jì))人: | 黃麗;張婷;王兆華;時(shí)元建;郁劍 | 申請(qǐng)(專利權(quán))人: | 江蘇大學(xué) |
| 主分類號(hào): | G06K9/46 | 分類號(hào): | G06K9/46;G06K9/62;G06K9/20;G06N3/04;G06N3/08;G06N3/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 212013 江*** | 國(guó)省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 ssa elm 算法 豬肉 新鮮 檢測(cè) 分類 方法 | ||
1.一種基于SSA-ELM算法的豬肉新鮮度檢測(cè)分類方法,其特征在于,包括如下步驟:
步驟1:利用圖像采集裝置采集原始圖像,并進(jìn)行預(yù)處理,獲得去除背景后僅包含肌肉區(qū)域的RGB彩色圖像;
步驟2:提取預(yù)處理后圖像中的顏色特征向量;
步驟3:利用SSA優(yōu)化ELM數(shù)學(xué)模型以獲得最佳ELM數(shù)學(xué)模型,將提取的顏色特征向量輸入最佳ELM數(shù)學(xué)模型中,對(duì)豬肉新鮮度進(jìn)行檢測(cè)分類。
2.根據(jù)權(quán)利要求1所述的豬肉新鮮度檢測(cè)分類方法,其特征在于,所述圖像采集裝置包括暗箱(1),暗箱(1)底部設(shè)有放置豬肉樣品(6)的載物臺(tái)(2),頂部設(shè)有數(shù)碼相機(jī)(4),內(nèi)部?jī)蓚?cè)壁上對(duì)稱安裝有對(duì)準(zhǔn)豬肉樣品(6)照射的白光LED燈(3);數(shù)碼相機(jī)(4)、白光LED燈(3)分別與暗箱(1)外部計(jì)算機(jī)(5)、電源連接;數(shù)碼相機(jī)(4)采集豬肉樣品(6)的圖像信息,計(jì)算機(jī)(5)對(duì)獲取到的圖像信息進(jìn)行處理分析。
3.根據(jù)權(quán)利要求1所述的豬肉新鮮度檢測(cè)分類方法,其特征在于,所述預(yù)處理過程為:
首先采用R-B色差法和閾值分割法去除圖像中的背景,再對(duì)圖像進(jìn)行灰度化處理,接著使用局部自適應(yīng)閾值法確定每個(gè)像素位置處的二值化閾值,將豬肉圖像中的肌肉和脂肪區(qū)域分割開,然后對(duì)圖像進(jìn)行開運(yùn)算處理以消除毛刺,最后將經(jīng)上述處理后的二值圖像與原始圖像相與。
4.根據(jù)權(quán)利要求1所述的豬肉新鮮度檢測(cè)分類方法,其特征在于,所述步驟2具體為:
將預(yù)處理后的圖像轉(zhuǎn)換成HSV圖像和L*a*b*圖像,進(jìn)一步分解成R、G、B、H、S、V、L*、a*、b*這9個(gè)顏色空間分量,計(jì)算每個(gè)分量的均值和標(biāo)準(zhǔn)偏差值,將預(yù)處理后的圖像轉(zhuǎn)化成均值和標(biāo)準(zhǔn)偏差值所代表的特征向量。
5.根據(jù)權(quán)利要求1所述的豬肉新鮮度檢測(cè)分類方法,其特征在于,所述優(yōu)化過程具體為:
隨機(jī)設(shè)定SSA中麻雀初始位置來初始化ELM數(shù)學(xué)模型中的輸入權(quán)值矩陣和偏置矩陣,并將所述矩陣代入SSA適應(yīng)度函數(shù)中,根據(jù)獲得的適應(yīng)度值將麻雀分為發(fā)現(xiàn)者和加入者,同時(shí)設(shè)置能感知危險(xiǎn)的麻雀;不斷更新發(fā)現(xiàn)者、加入者和感知危險(xiǎn)的麻雀的位置,找出最佳食物獲取位置,進(jìn)而得到最佳輸入權(quán)值矩陣和偏置矩陣,構(gòu)建最佳ELM數(shù)學(xué)模型。
6.根據(jù)權(quán)利要求5所述的豬肉新鮮度檢測(cè)分類方法,其特征在于,所述ELM數(shù)學(xué)模型為:其中N表示圖像樣本數(shù);j表示隱含層節(jié)點(diǎn)數(shù);L表示隱含層節(jié)點(diǎn)總數(shù);βj表示連接第j個(gè)隱含層節(jié)點(diǎn)的輸出權(quán)值矩陣;g(αjxi+bj)表示隱含層神經(jīng)元的激勵(lì)函數(shù);αj表示連接第j個(gè)隱含層節(jié)點(diǎn)的輸入權(quán)值矩陣;bj表示連接第j個(gè)隱含層節(jié)點(diǎn)的偏置矩陣;xi表示第i個(gè)豬肉圖像樣本對(duì)應(yīng)的豬肉新鮮度顏色特征;ti表示第i個(gè)豬肉圖像樣本對(duì)應(yīng)的豬肉新鮮度類別。
7.根據(jù)權(quán)利要求6所述的豬肉新鮮度檢測(cè)分類方法,其特征在于,所述麻雀初始位置為:
其中,pop表示麻雀種群個(gè)數(shù);d表示提取的豬肉顏色特征向量的個(gè)數(shù);則所述初始化的輸入權(quán)值矩陣和偏置矩陣分別為:
8.根據(jù)權(quán)利要求7所述的豬肉新鮮度檢測(cè)分類方法,其特征在于,所述適應(yīng)度函數(shù)為:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于江蘇大學(xué),未經(jīng)江蘇大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010718310.2/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 可升級(jí)存儲(chǔ)器架構(gòu)
- 超分子插層結(jié)構(gòu)磺基水楊酸及其制備方法和用途
- 測(cè)定柴胡皂苷a含量的時(shí)間分辨熒光免疫分析法及試劑盒
- 一種基于SSA和EMD結(jié)合的去噪方法及裝置
- SSA4基因啟動(dòng)子及利用該啟動(dòng)子驅(qū)動(dòng)外源基因轉(zhuǎn)錄的畢赤酵母表達(dá)載體
- 基于近紅外光譜和SSA優(yōu)化的ELM的煤矸石快速識(shí)別方法
- 一種基于SSA-LSSVM模型預(yù)測(cè)含蠟原油析蠟點(diǎn)溫度的方法
- 一種基于SSA-LSSVM短期電力負(fù)荷預(yù)測(cè)模型
- 一種基于SSA-SVM的稀土萃取攪拌軸故障診斷方法及系統(tǒng)
- 一種空調(diào)負(fù)荷短期預(yù)測(cè)方法及系統(tǒng)
- 基于集成極端學(xué)習(xí)機(jī)的腫瘤基因表達(dá)譜數(shù)據(jù)識(shí)別方法
- 一種基于GA-ELM算法的鋁合金壓鑄件晶粒尺寸預(yù)測(cè)方法
- 一種基于改進(jìn)ELM算法的毛管質(zhì)量預(yù)報(bào)方法
- 一種基于ELM的射頻功放溫度特性建模方法
- 一種基于ELM的低噪聲放大器溫度特性建模方法
- 一種基于極限學(xué)習(xí)機(jī)的ELM-IN-ELM框架集成學(xué)習(xí)算法
- 基于ELM的電離層F2層臨界頻率的預(yù)測(cè)方法
- 基于OP-ELM的射頻功率放大器的行為建模方法
- 基于ELM-in-ELM的瑕疵檢測(cè)方法
- 一種基于GWO-ELM的露天采礦爆破塊度的預(yù)測(cè)方法





