橙子橙子  2022-01-14 09:59 知行编程网 隐藏边栏 |   抢沙发  18 
文章评分 0 次,平均分 0.0

今天橙子姐姐带大家看看基于一阶统计特征提取的支持向量机分类器在鸡蛋受精方面的应用,大家一起看一下吧!

当机器学习遇到鸡蛋受精

本研究旨在使用支持向量机(SVM)分类器方法识别鸡蛋的生育力。分类基础使用一阶统计(FOS)参数作为识别过程中的特征提取。这项研究是基于过程的识别过程开发的,该过程仍然是手动的(传统的)。尽管目前在识别过程中有许多技术,但它们仍然需要发展。

因此,这项研究是图像处理技术领域的发展之一。样本数据使用来自先前研究的数据集,共有 100 个鸡蛋图像。图像中的鸡蛋对象是单个对象。从这些数据中,每个受精卵和未受精卵的分类是50个图像数据。鸡蛋图像数据成为图像处理的输入,初始过程是分割。

该初始分割旨在根据对象获得裁剪后的图像。使用带有灰度和图像增强方法的图像预处理来修复裁剪的图像。这种方法(图像增强)使用了两种组合方法:对比度限制自适应直方图均衡化(CLAHE)和直方图均衡化(HE)。改进后的图像成为使用 FOS 方法进行特征提取的输入。 FOS 使用五个参数,即均值、熵、方差、偏度和峰度。将五个参数输入到 SVM 分类器方法中来识别鸡蛋的生育力。

这些实验的结果表明,该方法在识别过程中的成功率为84.57%。因此,该方法的实施可以作为未来研究改进的参考。此外,可以使用二阶特征提取方法来提高其准确性并改进分类的监督学习。
本研究介绍了 FOS 和 SVM 分类器方法来识别鸡蛋的生育力。此外,此过程使用图像处理技术,其中图像结果用作提取图像特征的输入。 Saifullah 等人在之前的研究中使用的样本,包括采集过程和图像预处理过程。接下来是使用FOS特征提取和SVM分类的方法的改进。

这两种方法的应用可以鉴别鸡蛋的受精率。使用五个输入参数的识别过程的平均准确率为 84.57%。该测试可用于参考系统在使用从图像中获得的特征方面存在弱点。此外,另一种可能性是,受精卵和未受精卵之间使用的多个数据集具有相同的提取结果,因此难以识别或使用简单的图像处理方法,从而导致生成的图像不是最优的。但是,准确度结果可以作为改进图像处理、特征提取和分类的参考。

图像处理改进旨在提高采集和预处理图像的质量。可以通过使用二阶统计或纹理来改进特征提取。同时,在分类方面,可以使用其他监督学习方法的开发。

本文来自投稿,不代表知行编程网立场,版权归原作者所有,欢迎分享本文,转载请保留出处!

橙子
橙子 关注:2    粉丝:2
美丽又迷人的橙子姐姐~

发表评论

表情 格式 链接 私密 签到
扫一扫二维码分享