[发明专利]一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法

说明书

技术领域

本发明涉及马铃薯分级算法技术领域，特别涉及一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法。

背景技术

在马铃薯品质分级中，形状是一个非常重要的指标，国家标准有着严格的规定。现有技术中提出了不同的针对马铃薯外部品质的分级的方法，但是都不同程度出现效率低下和分级速度较慢的缺陷。

发明内容

本发明实施例发明目的在于提供一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法，应用该技术方案可以利用多分辨率分析法和Adaboots算法对马铃薯的外部形状进行分类，最终对马铃薯品质分级有着更高的效率和更快的速度。

为了实现上述发明目的，本发明的完整技术方案如下：

一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法，包括以下步骤：

获取若干马铃薯图像；

通过多分辨率分析法分别计算马铃薯图像在不同的抽象层次中输入层与隐层之间的连接权值；

通过Adaboots算法滤选所述连接权值，获取最佳特征；

根据连接权值和最佳特征确定图像图像分类的结果。

优选的，所述步骤：通过多分辨率分析法分别计算马铃薯图像在不同的抽象层次中输入层与隐层之间的连接权值，具体的包括以下步骤

将马铃薯图像分解为逼近部分和细节部分；

在新的抽象层次中，将得到的所述逼近部分分解为新逼近部分和新细节部分；

将细节部分和新细节部分定义为输入层与隐层之间的连接权值。

优选的，所述步骤：通过Adaboots算法滤选所述连接权值，获取最佳特征；具体的包括以下步骤

设所述连接权值为m组训练数据，(x₁,y₁)，……(x_m，y_m)，其中

x_i(instance)∈X，y_i(classification)∈Y＝{-1，+1}

初始化D₁(i)＝1/m，D₁(i)为训练样本i的权重；

设最佳特征数量为t，当t＝1,...,T时，分类器h_i：X→[-1 1]，h为分类器；

若e_j<0.5继续以下步骤，否则停止；

设第t个阀值为β_t，选择β_t∈R：ε_t为分类器h_t的加权错误率；

下一个分类器：

其中Z_t为归一化因子，令D_t+1成为分布函数；

得到最后的分类器：

得到每一类图像的最佳特征，为特征f、阈值β和极性p构成的弱分类器：

优选的，所述步骤：根据连接权值和最佳特征确定图像分类的结果，具体的包括以下步骤

设图像分类的结果为H(Y)：

当H(Y)等于1时，确定当前马铃薯图像符合当前类别，否则确定为不符合。

由上可见，应用本实施例技术方案，通过多分辨率分析法计算连接权值，有效地减少了耗时的训练和分类步骤。再通过Adaboots算法对马铃薯的外部形状进行分类，最终对马铃薯品质分级有着更高的效率和更快的速度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1提供的程序流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

如图1所示，本实施例提供一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法，包括以下步骤：

步骤S101：获取若干马铃薯图像；